在单细胞数据中推断细胞和分子过程,使用Python,R和GenePattern Notebook CoGAPS实现的非负矩阵因子化

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:

• 非负矩阵因子化 (NMF) 对高通量生物学有价值,但需要复杂的后期分析来进行生物学解释.
• 目前的NMF方法往往缺乏整合的工具,以提供清晰而准确的生物推理.

研究的目的:

• 介绍一套实现NMF的计算工具,用于增强生物解释.
• 提供使用单细胞RNA测序数据分析细胞状态转换的可访问方法.

主要方法:

• 贝叶斯式NMF算法的实现,跨模式子集的协调基因活动 (CoGAPS).
• 开发PyCoGAPS (Python) 用于高效的大数据集分析和Docker部署.
• 创建了一个R CoGAPS接口和一个初学者友好的GenePattern Notebook平台.
• 建立一个面向用户的网站,提供CoGAPS资源和教程.

主要成果:

• 证明CoGAPS用于量化单细胞RNA测序数据中的细胞状态转换.
• 对于大型数据集,使用PyCoGAPS增强运行时性能.
• 为具有不同编程能力的用户提供可访问的分析工作流程.

结论:

• CoGAPS套件为生物学中的NMF分析提供了一种全面且易于使用的方法.
• 这些工具有助于对复杂的基因组数据集进行准确的生物学解释和分析.
• 综合平台降低了在生物研究中应用先进的NMF技术的障碍.