DESP从动态批量分子测量中解了细胞状态概况
Ahmed Youssef1, Indranil Paul2, Mark Crovella3
1Graduate Program in Bioinformatics, Boston University, Boston, MA, USA; Center for Network Systems Biology, Boston University, Boston, MA, USA.
Cell reports methods
|March 15, 2024
概括
一个新的算法,DESP,从像蛋白质组学这样的大量分子数据中解决细胞状态. 这种计算框架可以更深入地了解推动生物过程和疾病的分子变化.
科学领域:
- 计算生物学是一种计算生物学.
- 分子系统生物学分子系统生物学
- 蛋白质组学和转录组学分析
背景情况:
- 了解发育和疾病中的表型变化的分子驱动因素至关重要.
- 在细胞状态层面探索这些动态受到技术限制的限制.
研究的目的:
- 介绍DESP,一种用于解决细胞状态对大量分子测量的贡献的算法.
- 通过现有的批量工作流来实现蛋白质组和转录组的细胞状态水平分析.
主要方法:
- DESP算法利用独立的细胞状态比例估计 (例如,从单细胞RNA测序).
- 将DESP应用于体外表皮细胞转化成介质细胞转化模型中的定量蛋白质组和转录组数据.
主要成果:
- DESP从大量的蛋白质和转录基因数据中准确地重建细胞状态签名.
- 提供了关于表型转变期间的过渡性调节机制的见解.
结论:
- DESP提供了一个可通用的计算框架,用于将批量和单细胞分子数据联系起来.
- 促进分子概况的细胞状态水平分析,推进生物和病理生物学研究.
