在单细胞多式联络数据中量化共同和独特的信息,使用倾斜的正规关联分析

科学领域:

• 单细胞生物学 单细胞生物学
• 计算生物学是一种计算生物学.
• 生物信息学是一种生物信息学.

背景情况:

• 多模式单细胞技术通过对每个细胞进行多种数据类型的分析,提供了全面的细胞特征.
• 当前的缩小尺寸方法往往将跨模式的信息结合在一起,重点是数据的结合.
• 需要解开共享和模式特定的信息,以获得更深入的生物学见解.

研究的目的:

• 开发一种新的方法,即倾斜的正规相关性分析 (Tilted-CCA),用于分解多式单元数据.
• 在配对模式之间分离和量化共享的 ("交叉") 和唯一的 ("独特") 信息.
• 为了实现新的下游分析,以优化实验设计和生物解释.

主要方法:

• 倾斜的正规关联分析 (Tilted-CCA) 是为了将配对的多模式数据集分解成三个不同的低维嵌入式而开发的.
• 该方法识别了共享的几何关系 (交叉) 和模式特定的关系 (不同的).
• 倾斜的CCA应用于CITE-seq (RNA + 表面抗体) 和10x (RNA + 染色质可访问性) 数据集.

主要成果:

• 在单细胞数据集中,Tilted-CCA成功地可视化和量化了跨模式信息.
• 该方法在设计最佳抗体面板以实现转录组互补性方面表现出实用性.
• 倾斜的CCA有助于识别发育基因和区分发育数据集中的细胞类型.

结论:

• 倾斜的CCA提供了一个新的框架,通过分离共享和唯一的信息来分析多式联网单细胞数据.
• 这种方法可以更好地可视化和量化模式间的关系.
• 倾斜的CCA在实验设计和生物发现中促进了有针对性的下游应用.