布迪:BuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBuBu
Natalie R Davidson1, Fan Zhang2, Casey S Greene3
1Department of Biomedical Informatics, University of Colorado Anschutz School of Medicine, Aurora, Colorado, United States of America · Funded by the Gordon and Betty Moore Foundation (GBMF 4552), NHGRI of the National Institutes of Health (K99HG012945), NCI of the National Institutes of Health (R01CA237170, R01CA243188, R01CA200854).
BuDDI集成了批量和单细胞RNA测序数据,以推断细胞类型特定的扰动效应. 这种方法有效地弥合了数据缺口,使单细胞分辨率分析从批量样本.
科学领域:
- 计算生物学 计算生物学
- 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:
- 单细胞实验提供深度细胞分辨率,但面临诸如解离困难和有限的组织可用性等挑战.
- 一个常见的场景涉及一个样本的深层细胞配置文件和多个样本的批量配置文件,从而创建数据集成差距.
- 现有的方法难以利用多样化的批量和单细胞数据集进行全面分析.
结论:
- 布迪提供了一个强大的框架,用于整合异质的批量和scRNA-seq数据.
- 通过利用参考地图集和批量配置签名,实现对扰乱,性别差异和其他因素的单细胞分辨率分析.
- 从组合的多omics数据集提供更深入的生物学见解.
更多相关视频
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
12:04A High-throughput Cell Microarray Platform for Correlative Analysis of Cell Differentiation and Traction Forces
Published on: March 1, 2017
