使用最佳运输 (PILOT) 来检测单细胞基因组学和病理学数据的专利级距离
Mehdi Joodaki1, Mina Shaigan1, Victor Parra1
1Institute for Computational Genomics, Joint Research Center for Computational Biomedicine, RWTH Aachen University Medical School, Aachen, Germany.
Molecular systems biology
|January 4, 2024
概括
我们开发了最佳运输 (PILOT) 的专利级分析,以分析复杂的单细胞和病理学数据. 飞行员确定与疾病相关的样本水平轨迹和细胞群,改善疾病进展的洞察力.
科学领域:
- 计算生物学是一种计算生物学.
- 生物信息学是一种生物信息学.
- 病理学 病理学 病理学
背景情况:
- 单细胞基因组学和数字病理学的临床应用需要先进的计算方法.
- 分析样本级疾病关联的多级单细胞/病理学数据是具有挑战性的,因为数据的复杂性和样本间的变异性.
研究的目的:
- 开发一种用于分析单细胞和病理学数据的计算方法,在患者层面进行分析.
- 识别与疾病相关的样本水平轨迹和细胞群.
主要方法:
- 建议使用最佳运输 (PILOT) 进行专利级别分析.
- 利用最佳运输计算单细胞样本之间的瓦瑟斯坦距离.
- 在样本级别进行无监督分析.
主要成果:
- 飞行员成功地检测疾病相关的样本在大型,复杂的单细胞基因组学和病理学数据集.
- 在涉及多种人类疾病的研究中,在多达600个样本的研究中证明了有效性.
- 在细胞群,基因表达和组织结构中确定了与疾病相关的变化.
结论:
- 飞行员使单细胞和病理学数据的无监督,样本级分析.
- 该方法有助于发现疾病轨迹和细胞群.
- 飞行员帮助解释预测,通过统计地将细胞和组织变化与疾病进展联系起来.
