对单细胞RNA速度分析的转录动态进行深度生成建模

科学领域:

• 计算生物学 计算生物学
• 单细胞基因组学 单细胞基因组学
• 机器学习在生物学中的应用

背景情况:

• 对于理解单细胞RNA测序 (scRNA-seq) 数据中的转录动态,RNA速度至关重要.
• 现有的RNA速度方法往往缺乏强大的不确定性量化和适用性评估.
• 精确估计RNA速度对于推断细胞命运决定和动态生物过程至关重要.

研究的目的:

• 开发一种新的深度生成建模框架,veloVI (速度变异推理),用于估计RNA速度.
• 为了提供转录组范围的速度不确定性的量化.
• 为了能够评估RNA速度分析对特定scRNA-seq数据集的适用性.

主要方法:

• veloVI采用深度生成模型来学习基因特异性RNA代谢的动态模型.
• 该框架集成了可靠的参数估计和不确定性量化变化推理.
• 该模型的灵活性允许适应时间依赖的转录速率,增强动态建模.

主要成果:

• 与现有方法相比, veloVI 在适合性和一致性方面表现出优越的性能.
• 该框架在不同的RNA丰度预处理管道中表现出稳定性.
• 来自veloVI的后速不确定性有效地表明了对给定数据集的速度分析的适当性.

结论:

• veloVI提供了一种强大而灵活的深度学习方法,用于RNA速度估计和不确定性量化.
• 该框架提高了单细胞转录动态分析的可解释性和可靠性.
• veloVI通过评估分析适用性,从scRNA-seq数据中更有信心地推断生物过程.