量化单细胞RNA-seq数据的集群性和轨迹性
1Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology and Emory University, Atlanta, Georgia, United States of America.
PLoS computational biology
|February 28, 2024
概括
我们开发了新的分数来测量单细胞RNA测序数据是否更好地以不同的集群或连续轨迹来表示. 这些分数有助于选择最合适的生物洞察分析方法.
科学领域:
- 计算生物学 计算生物学
- 单细胞基因组学 单细胞基因组学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 分析通常采用聚类和轨迹推断方法.
- 这些方法可以产生不同的数据解释,使生物见解复杂化.
- 需要客观地评估数据结构以进行适当的分析选择.
研究的目的:
- 在scRNA-seq数据中引入"集群性"和"轨迹性"的定量分数.
- 提供客观指标,以区分类似集群和类似轨迹的数据结构.
- 为scRNA-seq数据解释选择合适的计算分析提供指导.
主要方法:
- 基于对距离分布的多个定量得分的开发.
- 应用持久的同质性,向量大小,里普利的K,和连接度的应用.
- 使用模拟和真实世界的scRNA-seq数据集进行验证.
主要成果:
- 建议的得分有效地区分模拟中的集群类和轨迹类数据模式.
- 评分证明了指导真实scRNA-seq数据集分析选择的实用性.
- 量化提供了选择集群与轨迹推断的客观标准.
结论:
- 开发的"集群性"和"轨迹性"得分为数据结构评估提供了一个强大的方法.
- 这些分数有助于研究人员为scRNA-seq数据选择最相关的生物分析.
- 客观量化提高了单细胞数据分析的可靠性和可解释性.
