demuxmix:使用回归混合模型去复杂化寡核酸条码单细胞RNA测序数据
1Center for Translational and Computational Neuroimmunology, Department of Neurology, Columbia University Irving Medical Center, New York, NY 10032, United States.
Bioinformatics (Oxford, England)
|August 1, 2023
概括
一种名为demuxmix的新方法通过使用概率模型和基因表达数据来改善单细胞RNA测序解复. 这提高了将细胞分配到其原产地样本的准确性,即使有混合的标记和未标记的细胞.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 基于滴滴的单细胞RNA测序 (scRNA-seq) 能够进行大规模的转录组分析.
- 将样本与标签寡核酸 (HTO) 进行组合,可以降低成本和批量效应.
- 精确的HTO解复是关键的,但由于噪音和低质量的数据,具有挑战性.
研究的目的:
- 介绍demuxmix,这是一个新的scRNA-seq.的demultiplexing方法.
- 在聚合scRNA-seq实验中提高样本分配的准确性和可靠性.
- 为滴滴赋值提供概率错误估计.
主要方法:
- 开发了demuxmix,一种利用负二项式回归混合模型的方法.
- 实施了一个概率分类框架来量化分配不确定性.
- 利用RNA表达和HTO计数之间的关联来完善解复.
主要成果:
- demuxmix在真实和模拟数据上表现出比现有方法更好的性能.
- 概率框架允许识别和删除不确定的滴滴分配.
- 成功证明了聚合的标记和未标记细胞的脱多元化.
结论:
- demuxmix提供了一个强大的,准确的方法,用于基于HTO的scRNA-seq.
- 该方法通过提供错误概率和提高分配精度来提高数据质量.
- 便于在复杂的实验设计中更可靠地分析聚合样本.
