SIMVI揭示了空间奥米克数据中的内在和空间诱导的状态
Mingze Dong1,2,3, David Su4,5,6, Harriet Kluger4,5,6
1Interdepartmental Program in Computational Biology & Bioinformatics, Yale University, New Haven, CT, USA.
bioRxiv : the preprint server for biology
|September 11, 2023
概括
空间奥米克分析得到了SIMVI的增强,SIMVI是一个新框架,可以将细胞内在基因表达与空间影响分开. 这种方法准确地模拟空间效应,透露跨多种组织和平台的生物见解.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 空间奥米克技术在组织环境中提供基因表达数据.
- 当前的计算方法难以区分细胞内部的变异性和细胞间的空间相互作用.
- 这种局限性阻碍了空间基因调节和生物发现的准确建模.
研究的目的:
- 引入使用变量推理 (SIMVI) 的空间交互建模,这是一个没有注释的计算框架.
- 在空间奥米克数据中解开细胞内在和空间诱导的潜在变量.
- 为了能够准确地估计单细胞分辨率的空间效应 (SE),用于下游生物分析.
主要方法:
- 开发了SIMVI,这是一个基于变异推理的框架,用于空间奥米克数据分析.
- 为解开内在和空间变异提供了理论支持.
- 将SIMVI应用于各种空间奥米克数据集,包括MERFISH,Slide-seqv2,Slide-tags,空间多组和CosMx黑色素瘤.
主要成果:
- SIMVI有效地解开细胞变异,并在多个平台和组织中推断出准确的空间效应.
- 该框架独特地揭示了重要的空间法规和生物动态.
- 在桃体数据中,SIMVI揭示了生殖中心B细胞的循环空间动态,并在黑色素瘤中确定了空间和结果依赖的巨细胞状态.
结论:
- SIMVI提供了一种强大的方法,用于在空间奥米克中建模基因表达,准确区分内在和空间因素.
- 该框架促进了新的下游分析,揭示了各种组织中复杂的生物学见解.
- SIMVI证明了我们对健康和疾病中的细胞相互作用和组织组织的理解有很大的潜力.
更多相关视频
09:34Applications of Spatio-temporal Mapping and Particle Analysis Techniques to Quantify Intracellular Ca2+ Signaling In Situ
Published on: January 7, 2019
9.3K
09:19Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection
Published on: July 6, 2022
5.0K
