通过在单细胞RNA测序中半监督优化罕见细胞轮 (SCISSORS) 来识别子集群

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 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) 允许在复杂的生物样本中同时对众多细胞进行分子分析.
• 目前的方法通常依赖于无监督的聚类,这可能对参数选择敏感,可能错误识别细胞类型.
• 鉴定罕见细胞类型是具有挑战性的,因为它们的细微基因表达模式和对整体数据的影响有限.

研究的目的:

• 介绍SCISSORS,一种用于精确分类和在scRNA-seq数据中识别罕见细胞类型的新框架.
• 为了提高检测低丰度细胞种群的频率,常常错过了传统的集群方法.
• 提供一种用于识别特定细胞类型的高度特异性标记基因的方法.

主要方法:

• SCISSORS使用轮评分来估计集群异质性.
• 采用多步半监督重组过程,揭示异质集群中的罕见细胞.
• 该框架与Seurat R包集成,可以无地纳入现有管道.

主要成果:

• 剪切器精确地描述子集群,使罕见细胞类型的精确识别成为可能.
• 该方法有效地检测出极低丰度的细胞.
• SCISSORS促进了对不同细胞群的高度特异性标记基因的识别.

结论:

• 在scRNA-seq数据中,SCISSORS为罕见细胞类型识别提供了强大的解决方案.
• 该框架改进了现有的方法,解决了罕见细胞检测无监督聚类的局限性.
• SCISSORS增强了探索复杂生物系统中细胞异质性的分析能力.