CITE-seq数据的多模式层次分类将免疫细胞状态划分为跨血统和组织的免疫细胞状态

科学领域:

• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 单细胞RNA测序 (scRNA-seq) 揭示了细胞异质性,但难以根据表面蛋白质定义子集.
• 转录组和表皮组的细胞索引 (CITE-seq) 提供了转录组和表面蛋白质组的多模式分析.
• 准确的细胞类型注释需要将基因和蛋白质表达数据整合在一起的分类器.

研究的目的:

• 开发一种基于标记物的新型分类方法,即多模分类器层次结构 (MMoCHi),用于协调基因和蛋白质表达数据.
• 为了实现准确的单元类型注释,而不依赖预定义的参考地图.
• 用多式单细胞数据改进免疫细胞子集和新型标记物的识别.

主要方法:

• 开发了基于标记的分类算法MMoCHi,集成了转录和蛋白质组数据.
• 基准MMoCHi使用排序的T淋巴细胞子集.
• 应用MMoCHi来注释一个跨组织的人类免疫细胞数据集.

主要成果:

• MMoCHi成功地协调了基因和蛋白质表达以进行细胞分类.
• 该方法的性能优于现有的基于转录基因组的分类器和无监督集群方法.
• MMoCHi确定了免疫细胞子集,其不易通过其他方法解决,并揭示了新的子集标记物.

结论:

• MMoCHi为多模式细胞类型和发育状态注释提供了一种可适应和有效的方法.
• 该方法通过整合各种数据模式来进行可靠的分类来推进单细胞分析.
• 在各种细胞系,样本和实验环境中,MMoCHi具有广泛的适用性.