咖啡:对单细胞染色质可访问性数据的基于相关性特征选择
Keyi Li1, Xiaoyang Chen1, Shuang Song2
1Ministry of Education Key Laboratory of Bioinformatics, Bioinformatics Division at the Beijing National Research Center for Information Science and Technology, Center for Synthetic and Systems Biology, Department of Automation, Tsinghua University, Beijing 100084, China.
Briefings in bioinformatics
|December 19, 2023
概括
我们开发了Cofea,这是一种分析单细胞染色体可访问性测序 (scCAS) 数据的新方法. 咖啡有效捕捉细胞异质性,并有助于从表观基因组数据中发现功能生物学见解.
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:
- 单细胞染色体可访问性测序 (scCAS) 提供了关于细胞表观基因组异质性的见解.
- 在scCAS数据中识别生物相关特征仍然是一个挑战.
研究的目的:
- 引入Cofea,一种用于分析scCAS数据的新计算方法.
- 为了解决从scCAS数据集中识别功能特征的差距.
主要方法:
- 开发并验证了Cofea的方法.
- 在5个模拟和54个现实世界scCAS数据集上测试了Coffea.
- 应用 Cofea 来识别细胞类型特定的峰值,候选增强剂,并进行途径和遗传性分析.
主要成果:
- 与现有方法相比,咖啡在捕捉细胞异质性方面表现优越.
- 该方法成功地促进了下游分析,包括特征识别和丰富.
- 实验证实了Coféa在各种数据集中的有效性.
结论:
- 咖啡是一种强大的工具,可以在单细胞分辨率下剖析表观基因异质性.
- 该方法增强了从scCAS数据中发现功能生物过程的发现.
- 咖啡在推进表观基因组研究方面有很大的潜力.


