一个细胞循环意识的网络,用于单细胞RNA-seq和ATAC-seq的数据集成和标签转移

科学领域:

• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.
• 单细胞多组体的单细胞多组体.

背景情况:

• 单细胞多omics集成提供了更深入的生物学见解,但面临着像omics变异和混因素这样的挑战.
• 单细胞RNA-seq中已知的混因子细胞周期对集成的多omics数据的影响仍然不清楚.

研究的目的:

• 开发第一个计算模型,CCAN,用于从集成的单细胞多组数据中识别和删除细胞周期效应.
• 为了保持细胞类型特定的变异,同时减轻细胞周期相关的噪声.

主要方法:

• 开发一个新的深度学习框架,细胞循环意识网络 (CCAN).
• 将CCAN应用于集成数据集,包括scRNA-seq和转化酶可访问的染色体测序 (scATAC-seq) 的单细胞测定.

主要成果:

• CCAN有效地从各种scRNA-seq数据集中删除细胞周期和批量效应.
• 该模型成功地集成了配对和不配对的scRNA-seq和scATAC-seq数据.
• 在scRNA-seq和scATAC-seq数据之间,CCAN准确地转移细胞类型标签.
• 在表征干细胞分化途径方面已证明有用.

结论:

• CCAN提供了一种可靠的方法,以减轻多组组合的细胞周期混.
• 该模型提高了单细胞多组分析对各种生物问题的可靠性和适用性.