使用TDEseqq从多样本多阶段单细胞转录组学数据中强大而准确地检测时间基因表达模式
Yue Fan1,2,3, Lei Li1,2, Shiquan Sun4,5,6,7
1Center for Single-Cell Omics and Health, School of Public Health, Xi'an Jiaotong University, Xi'an, Shaanxi, 710061, People's Republic of China.
Genome biology
|April 15, 2024
概括
我们开发了TDEseq,这是一种新的统计方法,用于分析随时间推移的单细胞RNA测序 (scRNA-seq) 数据. 它有效地识别时间基因表达模式,提高检测能力高达20%.
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.
- 统计建模 统计建模
背景情况:
- 单细胞RNA测序 (scRNA-seq) 能够对基因表达进行高分辨率分析.
- 了解随着时间的推移而发生的动态基因表达变化对于生物过程至关重要.
- 现有的方法可能无法完全捕捉scRNA-seq数据中的时间依赖性.
研究的目的:
- 引入TDEseq,一种用于scRNA-seq时间过程分析的新型非参数统计方法.
- 为了利用光滑线条和混合效果模型进行准确的时间模式检测.
- 增强特定细胞类型内动态基因表达变化的识别.
主要方法:
- 利用光滑线基础函数来建模依赖时间的基因表达.
- 采用层次结构线性添加剂混合模型来解释个体内的细胞相关性.
- 将TDEseq应用于模拟数据集和四个真实scRNA-seq时间过程研究.
主要成果:
- TDEseq成功地确定了四种不同的时间基因表达模式.
- 该方法在检测动态表达变化方面表现出强大的性能.
- 与现有方法相比,TDEseq实现了高达20%的功率增益.
- 生成精确校准的p值,确保统计可靠性.
结论:
- TDEseq为分析scRNA-seq数据中的时间基因表达提供了强大而强大的方法.
- 该方法改善了动态生物过程的检测.
- 对于研究人员来说,TDEseq为研究随时间推移的细胞动态提供了宝贵的工具.
