SinCWIm:一种用于单细胞RNA序列中断的归算方法,使用加权交替最小平方
Lejun Gong1, Xiong Cui1, Yang Liu1
1Jiangsu Key Lab of Big Data Security & Intelligent Processing, School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China.
Computers in biology and medicine
|March 5, 2024
概括
本研究介绍了SinCWIm,这是一种解决单细胞RNA测序 (scRNA-seq) 数据中脱落事件的新方法. SinCWIm有效地归因缺失的基因表达值,改进下游分析,如聚类和可视化.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 单细胞RNA测序 (scRNA-seq) 对于分析细胞异质性和分化至关重要.
- 在scRNA-seq的技术限制导致掉队事件,引入噪音和影响数据准确性.
- 准确地归算掉队事件对于可靠的下游scRNA-seq分析至关重要.
研究的目的:
- 开发一种可靠的方法来识别和归因scRNA-seq数据中的脱落事件.
- 通过解决数据噪声来提高聚类,细胞注释和差异基因表达分析的性能.
主要方法:
- 拟议的SinCWIm方法使用加权交替最小平方 (WALS).
- 使用皮尔森相关性和等级集群的量化零入口信心.
- 集成的WALS与异常值去除和数据纠正,以实现准确的归算.
主要成果:
- 与现有方法相比,SinCWIm在八个scRNA-seq数据集中表现出卓越的性能.
- 在Usoskin (94.46%),花粉 (96.48%) 和膀 (76.74%) 数据集上的聚类中获得了高调整的RAND指数得分.
- 在差异性基因表达保留和数据可视化方面表现出显著的改善.
结论:
- SinCWIm为scRNA-seq脱落事件提供了一个有价值的归算解决方案.
- 该方法在跨多种scRNA-seq数据集的聚类和可视化方面表现出色.
- SinCWIm是一个适用于各种单细胞测序数据类型的多功能工具.
