ZINBMM:一种通用混合模型,用于使用单细胞转录组数据同时进行聚类和基因选择
Yang Li1,2,3, Mingcong Wu1,3, Shuangge Ma4
1Center for Applied Statistics and School of Statistics, Renmin University of China, Beijing, China.
Genome biology
|September 11, 2023
概括
这项研究引入了一种新的零膨胀负双项混合模型 (ZINBMM),用于单细胞RNA测序 (scRNA-seq) 数据分析. ZINBMM有效地集群细胞并识别集群特异性基因,增强对细胞异质性的理解.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 对于识别细胞类型和细胞系至关重要.
- 现有的方法往往缺乏精确定位集群特异性基因驱动细胞异质性的能力.
- 了解细胞异质性是推动生物见解的关键.
研究的目的:
- 在scRNA-seq数据中开发一种用于同时聚类和基因选择的新型计算模型.
- 解决目前用于调查集群特异基因的方法的局限性.
- 提高对细胞异质性的生物学理解.
主要方法:
- 开发了一个零膨胀负二项式混合模型 (ZINBMM).
- 该模型分析了原始基因表达数量,并考虑了批量效应和脱落事件.
- 对模拟和真实scRNA-seq数据集进行了系统分析.
主要成果:
- ZINBMM证明了scRNA-seq数据的有效集群.
- 该模型成功地进行了对集群特异性标记物的基因选择.
- 在五个不同的scRNA-seq数据集中验证了实际适用性.
结论:
- ZINBMM为scRNA-seq数据分析提供了一个强大的方法.
- 该方法增强了对促进细胞异质性的基因的识别.
- ZINBMM可以从单细胞数据中获得更深入的生物学见解.
