相关实验视频
Updated: Jul 19, 2025
11:34
Single-cell RNA Sequencing and Analysis of Human Pancreatic Islets
Published on: July 18, 2019
16.5K
合成控制消除了从单细胞和空间转录组学数据分析中双重浸泡中的虚假发现
Dongyuan Song1,2, Siqi Chen3, Christy Lee3
1Department of Genetics and Genome Sciences, University of Connecticut Health Center, Farmington, CT 06030.
bioRxiv : the preprint server for biology
|August 7, 2023
概括
集群DE通过使用合成数据来识别可靠的细胞类型标记物来防止单细胞和空间转录组学中的错误阳性. 这种方法控制了错误发现率 (FDR),并有助于定义模两可的集群.
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:
- 单细胞和空间转录组学分析面临着"双重浸泡"的陷,因为聚类和差异表达 (DE) 基因识别使用相同的数据.
- 这可能会导致假阳性标记物,特别是假集群,使细胞类型或空间域定义复杂化.
研究的目的:
- 引入ClusterDE,一种可靠地识别DE基因标记物的统计方法,用于在转录组学数据中进行后聚类.
- 为了控制错误发现率 (FDR),无论聚类算法性能如何.
主要方法:
- 集群DE使用合成零数据作为in silico负控来检测和消除双重浸泡效应.
- 该方法产生单个细胞类型或空间域零分布,用于稳健的统计测试.
主要成果:
- 集群DE有效地控制FDR,识别真正的细胞类型和空间域标记,同时将其与家政基因区分开来.
- 该方法的输出可以根据标记器的发现来决定合并模两可的集群.
结论:
- 集群DE为转录学数据分析中的双重浸泡问题提供了一个强大的解决方案.
- 该方法与Seurat和Scanpy等广泛使用的管道兼容,提高了其实际适用性.
