通过细胞群中的独特蛋白质整合单细胞蛋白质组数据集

科学领域:

• 蛋白质组学是指蛋白质组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 单细胞蛋白质组数据集因质谱和基于抗体的测序等先进技术而增加.
• 整合这些数据集对于减轻由有限的测序分子引起的批量效应至关重要.
• 对于低维的蛋白质组数据集,现有的转录组数据集成方法可能不是最佳的.

研究的目的:

• 介绍SCPRO-HI,这是基于抗体的单细胞蛋白质组数据集的横向整合的新算法.
• 开发一种专门的低维蛋白质组数据集成方法,以解决批量效应.
• 提供一种可扩展到高维数据集的方法.

主要方法:

• 根据蛋白质相似性,SCPRO-HI采用了基于蛋白质相似性进行细胞匹配的层次性细胞 anchoring技术.
• 用一个变异自动编码器模型来纠正无需域映射的蛋白质丰度中的批量效应.
• 该算法包括一种扩展到高维数据集的方法.

主要成果:

• 与模拟和真实世界数据集上的最先进方法相比,SCPRO-HI表现出更高的性能.
• 该算法实现了75%更高的轮得分,表明集群和集成质量得到了改善.
• 与现有方法相比,SCPRO-HI的高度可变蛋白质 (HVPs) 保存率比现有方法要好13%.
• 在转录基因数据集上观察到竞争性表现,这表明应用范围更广泛.

结论:

• SCPRO-HI提供了一种有效的解决方案,用于整合基于抗体的单细胞蛋白质组数据,特别是用于低维数据集.
• 算法能够纠正批量效应并保持数据完整性的能力提高了下游分析.
• 根据SCPRO-HI的数据显示,SCPRO-HI可以将基于高维质谱的蛋白质组数据和转录组数据集成.