自动化单细胞奥米克终端到终端框架与数据驱动的批量推断

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 单细胞多组体分析产生复杂的,异构的数据集.
• 单细胞数据分析中的可复制性仍然是一个重大挑战.
• 手动参数选择阻碍了有效的数据集成和细胞类型标签.

研究的目的:

• 介绍SPEEDI (终端到终端数据集成的单细胞管道),用于单细胞多omics数据分析的全自动化框架.
• 提高单细胞数据集成和细胞类型标签的可复制性和可访问性.
• 为了实现数据驱动的批量推断和下游分析,而无需用户输入.

主要方法:

• 开发了SPEEDI,这是一个端到端的自动化框架,用于批量推断,数据集成和细胞类型标签.
• 实施了与现有的集成和细胞类型工具兼容的数据驱动批量推断方法.
• 自动预处理,样本集成和细胞类型映射,消除了手动参数选择.

主要成果:

• SPEEDI 将异构的单细胞数据矩阵转换为均注释和集成的数据集.
• 该框架成功地执行自动化预处理,集成和细胞类型映射.
• 支持对差异信号和基因功能模块的下游分析.

结论:

• SPEEDI显著提高了单细胞多组体分析中的可复制性.
• 自动化,数据驱动的方法降低了生物洞察力提取的障碍.
• 对于研究人员来说,SPEEDI 提供了一种有价值的工具,用于处理复杂的单细胞数据集.