线粒分裂器:一种基于线粒体变异的方法,用于有效地去复杂化聚合的单细胞RNA-seq
Xinrui Lin1, Yingwen Chen2, Li Lin2
1Institute of Molecular Medicine, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai 200127, People's Republic of China.
概括
这项研究引入了mitoSplitter,这是一个新的算法,用于使用线粒体RNA变体去复杂化聚合的单细胞RNA测序 (scRNA-seq) 数据. 这种方法在大规模的scRNA-seq实验中有效地降低了成本和批量效应.
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.
- 分子生物学分子生物学
背景情况:
- 分别分析多个单细胞RNA测序 (scRNA-seq) 样本是昂贵的,并引入批量效应.
- 使用外源条形码或RNA突变的现有去复杂化方法在计算或实验上具有挑战性.
- 线粒体基因组提供了小,多样化的遗传信息,适合基于基因型的脱多元化.
研究的目的:
- 开发和验证一个算法,mitoSplitter,用于使用线粒体RNA (mtRNA) 变体去复合聚合的scRNA-seq数据.
- 为了证明mitoSplitter在大规模scRNA-seq分析中的效率和准确性.
- 应用mitoSplitter来研究癌细胞系对BET化学降解的反应,避免批量效应.
主要方法:
- 开发了mitoSplitter算法,用于识别和利用mtRNA变体进行样本解复.
- 应用mitoSplitter来分析来自10个样本和6万个细胞的聚合scRNA-seq数据,使用负担得起的计算资源在6小时内获得准确的结果.
- 利用该算法以多重方式研究五种非小细胞肺癌细胞系对BET化学降解的反应.
主要成果:
- 使用mtRNA变体,MitoSplitter准确地解复杂化了大规模的scRNA-seq数据.
- 该算法在6个小时内处理了10个样本和6万个细胞,使用了最小的计算资源.
- 对肺癌细胞系中BET化学降解的分析揭示了TOP2A抑制和BET降解在耐药细胞之间的合成致死性.
结论:
- MitoSplitter提供了一种高效,具有成本效益和准确的方法来解复合聚合的scRNA-seq数据.
- 该算法有效地减轻了在单独样本分析中固有的批量效应.
- MitoSplitter可以加速scRNA-seq在生物医学研究中的应用,正如其在癌症药物反应研究中的使用所证明的那样.
