相关实验视频
Updated: Jul 11, 2025
10:28
Reusable Single Cell for Iterative Epigenomic Analyses
Published on: February 11, 2022
1.3K
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
Yuan Wang1,2,3, William Thistlethwaite2,3, Alicja Tadych2
1Department of Computer Science, Princeton University, Princeton, NJ, USA.
bioRxiv : the preprint server for biology
|November 14, 2023
概括
SPEEDI自动化了单细胞多omics分析,整合了各种数据集以提高可重现性. 这种端到端的管道增强了从复杂的单细胞数据中发现生物学洞察力.
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.
