scDMV:用scBS-seq数据对DNA甲基化变量的零-一膨胀β混合模型.
Yan Zhou1, Ying Zhang1, Minjiao Peng2
1School of Mathematical Sciences, Institute of Statistical Sciences, Shenzhen Key Laboratory of Advanced Machine Learning and Applications, Shenzhen University, Shenzhen, China.
Bioinformatics (Oxford, England)
|December 23, 2023
概括
一种新的β混合法,scDMV,改善了单细胞二硫酸盐测序 (scBS-seq) 数据的差异甲基化分析. 它通过有效处理稀疏数据和低输入测序挑战,准确地识别了差异甲基化区域.
科学领域:
- 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
- 基因组学就是基因组学.
背景情况:
- 单细胞双硫酸盐测序 (scBS-seq) 能够在细胞水平上进行精确的DNA甲基化分析.
- scBS-seq的挑战包括稀疏的数据和多余的零/零,降低差异甲基化检测的准确性.
- 现有的方法在scBS-seq.内在的低测序深度和覆盖率方面扎.
研究的目的:
- 为scBS-seq数据开发一种创新的差分甲基化分析方法.
- 为了应对scBS-seq.q.中的稀疏数据和低输入序列的挑战.
- 提高识别不同甲基化区域的准确性和敏感性.
主要方法:
- 提出了一种新的β混合方法,命名为scDMV.
- 开发了scDMV以有效处理scBS-seq数据中的多余的零和零.
- 在分析框架内容纳低输入序列数据.
主要成果:
- scDMV在模拟和真实数据应用中表现出优于替代方法的性能.
- 在识别不同甲基化区域时,即使使用低输入样本,也获得了更高的灵敏度和精度.
- scDMV在单细胞全基因组测序数据中为GO丰富分析提供了宝贵的见解.
结论:
- scDMV是scBS-seq数据中差异甲基化分析的有效方法.
- 该方法成功地解决了数据稀疏性和低输入序列的限制.
- scDMV增强了生物相关表观遗传变异的发现.
