scMLC:用于单细胞多omics数据的准确和强大的多重社区检测方法
Yuxuan Chen1, Ruiqing Zheng1, Jin Liu1
1School of Computer Science and Engineering, Central South University, Changsha 410083, China.
Briefings in bioinformatics
|March 17, 2024
概括
我们开发了scMLC,这是一个新的框架,用于使用多模式测序数据对细胞进行聚类. scMLC整合了基因表达和染色质可访问性,提高了细胞图谱的分辨率和疾病研究的准确性.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞多模式测序提供了高分辨率的细胞图谱,但面临着整合的挑战.
- 有效的数据集成对于理解健康和疾病中的细胞状态至关重要.
研究的目的:
- 提出scMLC,一个单细胞多式联运路凡集群框架.
- 为了应对整合多样化的测序数据以实现强大的细胞聚类的挑战.
主要方法:
- scMLC 构建多重单模和跨模细胞到细胞网络.
- 它捕捉了各种模式的特定和一致的信息.
- 强大的多重社区检测方法被用于可靠的细胞聚类.
主要成果:
- 在七个真实数据集上,scMLC与15种最先进的方法相比,表现出更高的准确性和稳定性.
- 基于蜂网络的集成策略在合成数据中显示出更好的概括能力.
- scMLC可适应单细胞测序数据,具有超过两种模式.
结论:
- scMLC为多模式单细胞数据集成和集群提供了有效的框架.
- 提出的方法有助于创建高分辨率的细胞地图,并有助于健康和疾病研究.
- scMLC的灵活性支持未来的多模式单细胞分析.
