适应性调节的三因素非负矩阵因数分解用于细胞类型解

科学领域:

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

背景情况:

• 从大量基因表达中精确的细胞类型解对于疾病研究至关重要.
• 现有的方法在不完整的签名,部分信息和不同数量的mRNA上扎,导致偏见的估计.
• 关于细胞类型比例的外部参考数据往往未得到充分利用.

研究的目的:

• 开发一种先进的解卷方法,解决当前方法的局限性.
• 提高细胞类型比例估计和细胞类型特定分析的准确性.
• 为生物和医学研究提供一个强大的工具.

主要方法:

• 引入了自适应规范化的三因素非负矩阵因子化 (ARTdeConv).
• 为ARTdeConv算法建立了严格的数值收.
• 通过基准模拟和现实数据分析验证性能.

主要成果:

• 在模拟中,ARTdeConv在最先进的方法中表现出优越的性能.
• 在疫苗研究中获得了非常准确的细胞比例估计,与流细胞计数据有很强的相关性.
• 在COVID-19患者中揭示了与现有发现一致的免疫学模式.

结论:

• 在细胞类型解卷精度方面,ARTdeConv提供了显著的进步.
• 该方法有效地整合了生物信息和参考数据.
• 作为一个R包,ARTdeConv是可用的,以促进其在研究中的应用.