批次校正距离减轻时间和空间变化,用于单细胞基因表达数据的集群和可视化.

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 单细胞基因表达数据分析在很大程度上依赖于聚类和可视化技术.
• 传统的方法经常使用欧几里德距离,这对于复杂的生物数据来说是不理想的.
• 由于样本采集和处理的变化,产生的批量效应引入噪音并掩盖真正的生物信号.

研究的目的:

• 引入批次校正距离 (BCD),这是一种旨在减轻单细胞基因表达数据批次效应的新型指标.
• 在存在技术变化的情况下,提高聚类和可视化的准确性.
• 为分析纵向和多样本单细胞数据集提供多功能工具.

主要方法:

• 开发了批量校正距离 (BCD),这是利用批量效应的时间/空间局部度量.
• 使用模拟数据集验证BCD以评估其性能与现有方法相比.
• 将BCD应用于现实世界数据集,包括小鼠视网膜发育,肺组织和2019年新冠病毒病 (COVID-19) 进展数据.

主要成果:

• 与最先进的批量校正方法相比,BCD在实现更准确的细胞群中表现出卓越的性能.
• 当BCD应用于纵向数据集时,观察到更好的可视化质量.
• BCD有效控制了批量效应,在不同的数据集中揭示了更清晰的生物模式.

结论:

• 批量纠正距离 (BCD) 为单细胞基因表达分析中处理批量效应提供了强大的解决方案.
• BCD可以实现更可靠的聚类和可视化,从而提高生物洞察力.
• 该指标与现有工具的直接集成能力有助于更广泛的采用和科学发现.