使用神经最佳传输学习单细胞扰动反应

科学领域:

• 单细胞生物学 单细胞生物学
• 计算生物学是一种计算生物学.
• 系统生物学 系统生物学

背景情况:

• 预测细胞对干扰的反应至关重要,但由于破坏性的单细胞测量技术,这是一个挑战.
• 现有的方法与来自扰乱和非扰乱细胞的未配对数据作斗争,限制了对异质反应的理解.

研究的目的:

• 开发一种新的计算框架,CellOT,用于预测单个细胞对干扰的反应.
• 为了应对单细胞分析中未配对数据分布的挑战.

主要方法:

• 利用最佳运输理论和输入凸起的神经网络.
• 开发一个框架 (CellOT) 来绘制扰乱和非扰乱单细胞的未配对分布.
• 使用scRNA-seq和多重蛋白质成像数据验证预测.

主要成果:

• 在预测单细胞药物反应方面,CellOT显著优于现有的方法.
• 通过预测坚定的患者数据 (狼,质母细胞瘤) 和跨物种 (脂多糖反应) 的反应来证明概括性.
• 成功模拟了造血细胞的发育轨迹.

结论:

• 细胞OT为分析单细胞扰动反应提供了一种强大的新方法.
• 该框架增强了跨不同生物背景的预测准确性和通用性.
• 细胞OT有助于更深入地了解细胞异质性和对各种刺激的反应.