EpiCarousel:对阿特拉斯级单细胞染色体可访问性数据的元细胞进行记忆和时间有效的识别
1School of Mathematical Sciences and LPMC, Nankai University, Tianjin 300071, China.
Bioinformatics (Oxford, England)
|April 8, 2024
概括
EpiCarousel 在大型单细胞染色体可访问性测序数据中有效地识别细胞组. 这种计算工具优化了研究研究表观遗传异质性的研究人员的分析.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
背景情况:
- 单细胞染色体可访问性测序 (scCAS) 显示了表观遗传异质性.
- 将scCAS扩展到大量的细胞数 (数以十万计) 为数据分析带来了重大的计算挑战.
- 现有的计算资源往往不足以分析大规模的scCAS数据集.
研究的目的:
- 开发一种用于高效分析大规模scCAS数据的计算工具.
- 为满足对单细胞基因组学计算资源日益增长的需求.
- 为了能够在scCAS数据中对同质细胞组 (元细胞) 进行记忆和时间有效的识别.
主要方法:
- 开发了EpiCarousel,这是一个使用惰加载,并行处理和社区检测的Python包.
- 将EpiCarousel应用于五个不同的scCAS数据集.
- 评估了EpiCarousel在内存使用,计算时间和下游分析准确性方面与基线方法的性能.
主要成果:
- 与现有方法相比,EpiCarousel在内存使用和计算时间方面表现出卓越的性能.
- 该工具在2小时内成功地在超过70万个细胞的亚特拉斯级数据集上进行了预处理和细胞聚类,并且RAM<75GB.
- 埃皮卡鲁塞尔提供了细胞异质性的增强特征.
结论:
- EpiCarousel提供了一个可扩展和高效的解决方案,用于分析大规模的scCAS数据.
- 该包克服了计算的局限性,使先进的表观遗传分析更容易获得.
- 在大型单细胞基因组学研究中,EpiCarousel 改善了细胞异质性的表征.
