通过细胞过渡潜力的连续性评估选单细胞轨迹

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 系统生物学 系统生物学

背景情况:

• 单细胞测序使得从转录组数据中推断出生物轨迹.
• 轨迹分析对于理解发展和分化等动态细胞过程至关重要.
• 目前的方法缺乏衡量轨迹连续性的指标,影响推断准确度.

研究的目的:

• 调查轨迹不连续性对单细胞轨迹推断准确性的影响.
• 开发一个评分算法来评估轨迹的连续性.
• 在现实世界的生物系统中验证连续性评估方法.

主要方法:

• 模拟断裂被引入到in silico和真实单细胞数据中,以分析断续效应.
• 开发了一个评分算法来量化轨迹的连续性.
• 该算法应用于肠道干细胞发育和CD8+T细胞分化数据.
• 牛皮关节炎和急性损伤的案例研究被用于验证.

主要成果:

• 轨迹不连续性显著降低了推断的准确性.
• 开发的评分算法有效地评估了轨迹的连续性.
• 连续性评估成功地确定了与实体数据中的经验知识相一致的轨迹.
• 该方法有助于选推断的血统,并优先考虑验证轨迹.

结论:

• 轨迹连续性是单细胞轨迹推理中的一个关键假设.
• 开发的评分算法为评估连续性提供了一个强大的方法.
• 这种工具提高了轨迹推断的可靠性,并有助于生物发现.
• 该 scEGRET 工具可在 GitHub 上获得更广泛的应用.