scATAC-seq预处理和归算评估系统用于可视化,集群和数字足迹
Pavel Akhtyamov1,2, Layal Shaheen1,2, Mikhail Raevskiy3
1Department of Biomedical Physics, Moscow Institute of Physics and Technology (National Research University), 9 Institutskiy per., 141701, Moscow Region, Russian Federation.
Briefings in bioinformatics
|December 12, 2023
概括
对于大多数单细胞ATAC-seq分析,使用Boruta进行预处理是最好的,而归算则有助于较小的数据集. SAPIEnS对这些策略进行了表观遗传见解的基准测试.
科学领域:
- 基因组学就是基因组学.
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
- 计算生物学 计算生物学
背景情况:
- 单细胞ATAC-seq (scATAC-seq) 能够在单细胞分辨率下进行染色质可访问性和转录因子结合分析.
- 在scATAC-seq中的数据稀疏性需要归算,而大型特征集需要预处理以提高计算效率.
- 对于 scATAC-seq 归算和预处理的最佳组合策略仍未得到充分探索.
研究的目的:
- 为了对scATAC-seq数据的归算框架进行基准测试.
- 评估归算和预处理对下游分析的综合影响.
- 为各种 scATAC-seq 应用程序确定最佳的预处理-归算策略.
主要方法:
- 开发了SAPIEnS (scATAC-seq预处理和计算评估系统).
- 整合最先进的归算方法与常见的预处理技术.
- 使用基准策略对聚类,可视化和数字基因足迹的评估.
主要成果:
- 在大多数scATAC-seq分析任务中,Boruta预处理方法被证明是有益的.
- 鉴定策略在较小的数据集中是最有效的.
- 根据分析类型和数据集特征数量确定了最佳策略.
结论:
- SAPIEnS提供了一个评估scATAC-seq数据处理管道的框架.
- 预处理通常比归算更具影响力,特别是在较大的数据集中.
- 该研究为特定的scATAC-seq研究问题提供了选择归算和预处理方法的指导.
更多相关视频
06:24Multiplexed Analysis of Retinal Gene Expression and Chromatin Accessibility Using scRNA-Seq and scATAC-Seq
Published on: March 12, 2021
3.6K
04:58Author Spotlight: Investigating the Role of Repetitive DNA Misregulation in Cancer Initiation and Immunotherapy Resistance
Published on: December 13, 2024
2.4K
