使用scnRNA-seq转录组进行大量RNA-seq解卷的有效方法
Francisco Avila Cobos1, Mohammad Javad Najaf Panah2, Jessica Epps2
1Department of Biomolecular Medicine, Ghent University, Ghent, Belgium; Cancer Research Institute Ghent, Ghent, Belgium.
Genome biology
|August 1, 2023
概括
单细胞RNA测序 (scRNA-seq) 有助于组织分析,但面临着挑战. 一种新的方法,SQUID,通过结合RNA-seq和scRNA-seq数据来提高解卷精度,从而更好地识别与疾病相关的细胞类型.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物技术是生物技术.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 提供了详细的组织组成分析,但成本昂贵,操作要求高.
- 计算解卷方法的目的是利用scRNA-seq数据从批量样本中推断细胞组成,但它们的有效性仍有争议.
研究的目的:
- 系统地评估单细胞RNA测序 (scRNA-seq) 数据的计算解卷方法.
- 在scRNA-seq测定和数据预处理中识别偏差.
- 为准确的细胞类型丰度估计开发一种改进的方法.
主要方法:
- 使用已知或scRNA-seq估计组成的数据集对解卷方法进行了系统评估.
- 分析了10X Genomics scRNA-seq试验中常见的偏差.
- 开发并应用了单细胞RNA量信息解卷 (SQUID) 方法,集成RNA-seq转换和缓和加权最小平方解卷.
主要成果:
- 确定了scRNA-seq试验中的常见偏差,并强调了数据预处理和方法选择的重要性.
- 证明并发的RNA-seq和scRNA-seq配置文件可以提高预处理和解卷变的准确性.
- 在预测细胞混合物和组织样本组成方面,SQUID始终优于其他方法.
结论:
- 使用SQUID同时分析RNA-seq和scRNA-seq配置文件,可以准确地估计细胞类型的丰度.
- 这种准确度的提高对于识别预测儿科癌症结果的癌细胞亚克隆至关重要.
- 增强的解卷精度对于生命科学领域的应用至关重要.
