单细胞数据集在人口层面的整合使得跨样本的多尺度分析成为可能
Carlo De Donno1,2, Soroor Hediyeh-Zadeh1, Amir Ali Moinfar1,3
1Institute of Computational Biology, Helmholtz Center Munich, Munich, Germany.
Nature methods
|October 9, 2023
概括
我们开发了scPoli,这是整合大型单细胞数据集的新方法. 该工具有助于分析复杂的生物变异,并改进了对人口层面图谱的解释.
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:
- 人口级单细胞地图正在增长,需要整合各种数据和元数据的方法.
- 整合异质队列与不同的元数据对于构建全面的细胞引用至关重要.
研究的目的:
- 介绍单细胞群体水平集成 (scPoli),这是一个开放世界的学习器,用于整合人口水平单细胞数据.
- 为了使数据集成,标签转移和参考映射使用生成模型用于细胞和样本表示.
主要方法:
- scPoli使用生成模型来学习数据集成的表示形式.
- 应用 scPoli 对大规模的肺和外围血液单核细胞图集 (7,800万个细胞,2375个样本).
- 通过样本嵌入来解释样本级生物和技术变异的scPoli的能力.
主要成果:
- scPoli成功地整合了异构的单细胞队列.
- 样本嵌入揭示了与批量效应和生物变异相关的基因.
- scPoli证明了对染色质可访问性和跨物种数据集的适用性.
结论:
- scPoli是一个强大的工具,用于人口一级单细胞数据集成.
- 通过多尺度分析,促进单细胞地图的使用和解释.
- 增强对大规模体质学数据中的生物和技术变异的理解.
