超级细胞细胞:使大规模细胞计量数据集的有效分析成为可能.

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 一个单细胞分析.

背景情况:

• 细胞测量技术允许在数百万个细胞中进行高维蛋白质量测量.
• 分析大型细胞测量数据集涉及复杂的任务,如聚类和维度减少.
• 目前的工具在庞大的数据集上难以运行长时间,次采样可能会失去罕见的细胞子集.

研究的目的:

• 推出SuperCellCyto,这是一款旨在高效分析大规模细胞计量数据的R包.
• 提供一种超越高维单细胞数据现有工具局限性的计算解决方案.
• 为了使细胞测量数据的准确分析,而不会影响稀有细胞群.

主要方法:

• 开发了SuperCellCyto作为一个R包,利用SuperCell算法.
• 实施了一种将非常相似的细胞分组成代表性的"超级细胞"的方法.
• 专注于提高大型细胞计量数据集的计算效率.

主要成果:

• SuperCellCyto提供了一种高效的方法来处理细胞计数据中的数百万个细胞.
• 超细胞分组策略有效地保留了信息,包括罕见细胞群.
• 该套件为计算密集型方法和风险的分样采集提供了可行的替代方案.

结论:

• SuperCellCyto通过提高计算效率来增强大规模细胞计量数据的分析.
• 该工具解决了对在分析过程中保存罕见细胞子集的方法的关键需求.
• SuperCellCyto 在 GitHub 和 Zenodo 上可供更广泛的研究社区采用.