对单细胞RNA-seq和ATAC-seq数据的不配对和配对的联合集成的基准分析算法
Michelle Y Y Lee1,2, Klaus H Kaestner3, Mingyao Li4
1Department of Genetics, University of Pennsylvania, Philadelphia, PA, 19104, USA.
Genome biology
|October 24, 2023
概括
整合多原子数据可以改善细胞类型的注释. 多原子数据有助于单细胞RNA测序和单核ATAC测序分析,Seurat v4在集成方面表现出色.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 单细胞RNA测序 (scRNA-seq) 和单核ATAC测序 (snATAC-seq) 提供了互补的基因表达和染色质可访问性数据.
- 单独分析这些模式可以导致冲突的细胞类型分配.
- 配对的多原子数据允许直接建模基因表达和染色体可访问性之间的关系.
研究的目的:
- 为了对九种单细胞多原子数据整合方法进行基准测试.
- 评估多组数据在指导单模数据分析中的有用性.
- 确定集成方法是否可以从单模数据中发现峰值基因关联.
主要方法:
- 对九种现有的单细胞多原子数据集成工具的比较分析.
- 评估多态数据对单态数据注释的贡献.
- 从综合数据集中发现峰值基因关联的评估.
主要成果:
- 多态数据在注释单态数据集方面有很大的帮助.
- 在多原子数据集中足够的细胞核表示对于准确的细胞类型注释至关重要.
- 对于细胞类型的注释,细胞数量比在多原子数据生成中测序深度更为关键.
结论:
- 塞拉特v4在集成scRNA-seq,snATAC-seq和多原子数据方面表现出卓越的性能.
- 该平台有效地处理多组数据集成中的复杂批量效应.
- 多原子数据集成增强了对细胞复杂性的全面理解.
