精选的单细胞多模式里程碑数据集用于R/生物导体.
Kelly B Eckenrode1,2, Dario Righelli3, Marcel Ramos1,2,4
1Graduate School of Public Health and Health Policy, City University of New York, NY, NY, United States of America.
PLoS computational biology
|August 25, 2023
概括
一个新的生物导体包,SingleCellMultiModal,可以轻松访问具有里程碑意义的单细胞多式联络数据集. 这有助于开发用于分析复杂生物数据的计算方法,包括细胞分化和疾病状态.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 表观基因组学是指表观基因组学.
- 蛋白质组学是指蛋白质组学.
- 单细胞分析 单细胞分析
背景情况:
- 高通量单细胞分析主要量化RNA的表达.
- 新兴的多模式方法同时测量来自同一细胞的多个分子层 (基因组,蛋白质组,表观遗传,空间层).
- 开发用于多模式单细胞数据的新统计和计算方法需要可访问的里程碑数据集.
研究的目的:
- 促进生物导体中的统计和计算方法的开发,用于单细胞多式联络数据分析.
- 提供易于访问各种单细胞多式联通技术的标准化,处理的里程碑数据集.
- 为了使分子层和表型输出的综合性分析.
主要方法:
- 从单细胞多模式协议 (例如,CITE-Seq,10X Multiome,seqFISH) 收集,处理和打包公开可用的里程碑数据集.
- 使用MultiAssayExperiment生物导体类的综合数据模式.
- 在生物导体的ExperimentHub.Hub中通过单细胞多模组件分布式数据集.
主要成果:
- 现在可以使用单指令访问来自七个单细胞多式联络技术的里程碑式数据集.
- 数据集提供无需进一步处理或数据纠纷.
- 单细胞多模组件可以在生物导体的广泛生态系统中立即使用.
结论:
- 单细胞多模式 (SingleCellMultiModal) 包简化了多模式单细胞数据的整合分析.
- 它将加速生物信息和统计方法的发展,用于分析细胞分化,活性和疾病.
- 有助于解决整合分子层和分析复杂的表型输出的挑战.
