在单细胞RNA-seq和ATAC-seq数据集成中,scBridge包含了细胞异质性
Yunfan Li1, Dan Zhang2, Mouxing Yang1
1School of Computer Science, Sichuan University, Chengdu, Sichuan, China.
Nature communications
|September 28, 2023
概括
细胞异质性可以改善单细胞多组组合的整合. scBridge利用这一点将细胞整合为异质,减少omics差异并增强数据分析以获得更好的生物洞察力.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞多omics数据集成旨在在保持细胞身份的同时调整不同的数据类型.
- 细胞异质性使分辨奥米克和细胞类型特定变异变得复杂.
- 现有的方法往往难以解释这种固有的生物变异性.
研究的目的:
- 开发一种用于单细胞多组数据集成的新方法,利用细胞异质性.
- 改进从单个单元格集成多种omics数据集的准确性和稳定性.
- 为了应对在异质细胞群中区分细胞类型差异和细胞特征差异的挑战.
主要方法:
- 提出了scBridge,一种异质的多omics集成方法.
- scBridge 以代方式识别出具有最小的奥米克差异 (可靠的细胞) 的细胞.
- 将这些可靠的细胞与其他omics数据 (例如,scRNA-seq) 集成,以弥合omics差距.
主要成果:
- 证明了利用细胞异质性进行数据整合的有效性.
- scBridge成功地减少了omics差异,同时保持了细胞类型的区别.
- 在七个多主题数据集中表现优于六种代表性基线方法.
结论:
- 细胞异质性是一个有价值的特征,不仅仅是噪声,用于多omics集成.
- 通过处理异质性,scBridge提供了一种优越的方法来实现单细胞多omics数据集成.
- 该方法提高了使用多omics数据分析复杂生物系统的能力.
