NG-SEM:一种有效的非高斯结构方程建模框架,用于从单细胞RNA-seq数据推断基因调节网络
Jiaying Zhao1, Chi-Wing Wong1, Wai-Ki Ching1
1Department of Mathematics, The University of Hongkong, Pokfulam road, Hong Kong.
Briefings in bioinformatics
|October 21, 2023
概括
我们开发了NG-SEM,这是一种从单细胞数据推断基因调节网络的新方法. NG-SEM准确地模拟复杂的噪声,在合成和真实生物数据集上表现优于现有的方法.
科学领域:
- 系统生物学 系统生物学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 基因调控网络 (GRN) 的推断在系统生物学中至关重要.
- 单细胞RNA测序 (scRNA-seq) 数据为GRN推断带来了独特的挑战,比如放弃和复杂的噪音.
研究的目的:
- 从scRNA-seq数据中开发一种更准确的GRN推断方法.
- 解决传统模型在处理复杂噪声结构方面的局限性.
主要方法:
- 扩展了传统的结构方程建模 (SEM) 框架.
- 结合了使用高斯混合物的灵活噪声建模策略.
- 利用了预期最大化算法和加权最小平方来进行优化.
- 采用Akaike信息标准来选择高斯混合物组件.
主要成果:
- 拟议的非高斯式SEM (NG-SEM) 框架在合成数据上表现出比传统的高斯式SEM更好的性能.
- 在真实生物数据集上,NG-SEM的性能超过了五种最先进的方法.
- 高斯混合方法有效地接近生物系统中的复杂噪声结构.
结论:
- NG-SEM提供了一种强大而准确的方法,用于从scRNA-seq数据中推断GRN.
- 灵活的噪声建模策略是提高GRN推断准确性的关键.
- 这种方法推进了复杂生物系统中基因调节机制的分析.
