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.
