与Mowgli配对的单细胞多omics数据集成.

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.
• 多omics 数据整合 数据整合

背景情况:

• 从单个细胞中同时对多个分子层进行分析是最近的一项进展.
• 越来越需要计算方法来共同分析这些多视图数据集.
• 现有的方法在整合多种omics数据类型和数字方面可能面临局限性.

研究的目的:

• 引入多omics瓦斯斯坦集成分析 (Mowgli),一种用于整合配对多omics数据的新方法.
• 为了提高集群性能和综合性非负数矩阵因子化 (iNMF) 的生物解释性.
• 为分析任何类型和数量的omics数据提供灵活的工具.

主要方法:

• 莫格利将整合性非负矩阵因子分解 (iNMF) 与最佳运输相结合.
• 该方法是为配对的多omics数据集成而设计的.
• 它是在scverse生态系统中作为一个Python包实现的.

主要成果:

• 莫格利被应用于从10X Multiome,CITE-seq和TEA-seq.获得的配对单细胞多组数据.
• 性能基准表明,Mowgli与细胞聚类的最先进方法具有竞争力.
• 与现有方法相比,Mowgli在生物解释性方面表现出卓越的表现.

结论:

• 莫格利提供了一种强大而易于解释的方法,用于整合多种单细胞多omics数据.
• 该工具通过改善聚类和可解释性来增强复杂生物系统的分析.
• 通过其Python包和GitHub存储库,Mowgli可以轻松为研究社区提供.