CSsingle:一个统一的工具,用于在各种单细胞参考数据中对批量和空间转录组数据进行稳健的分解
Wenjun Shen1,2, Cheng Liu3, Yunfei Hu4
1Department of Bioinformatics, Shantou University Medical College, Shantou, China.
bioRxiv : the preprint server for biology
|April 22, 2024
概括
通过纠正细胞大小变化,CSsingle准确地解卷了批量和空间的转录组数据. 这种方法确定了马赛克柱状细胞 (MCC) 作为食道腺癌治疗结果的关键生物标志物.
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.
- 癌症研究 癌症研究
背景情况:
- 细胞异质性给转录基因数据分析带来了挑战.
- 批量和空间转录基因 (ST) 数据的准确解卷对于理解组织结构和疾病至关重要.
- 现有的方法很难解释细胞类型之间的RNA含量变化.
研究的目的:
- 引入CSsingle,一种用于增强批量和ST数据分解的新型计算方法.
- 为整合单细胞,批量和ST数据提供统一的工具.
- 确定细胞生物标志物,以预测食道腺癌的治疗结果.
主要方法:
- CSsingle使用ERCC的spike-in控制器进行了单元格大小校正,以实现准确的批量数据解卷.
- 该方法使得ST数据的细度分析能够研究组织微环境.
- 与现有方法进行了基准测试,以评估准确性和稳定性.
主要成果:
- CSsingle在准确性和稳定性方面优于当前的方法.
- 在700多个胃食道样本的验证中,主要在巴雷特食道和食道腺癌 (EAC) 中确定了马赛克柱状细胞 (MCC).
- 在EAC患者的免疫检查点抑制剂 (ICI) 治疗期间,MCC和状细胞之间的动态关系被揭示出来.
结论:
- MCC在EAC治疗中起着至关重要的作用,是预测免疫化学疗法的结果的潜在生物标志物.
- 对于EAC,MCC表达特征可以指导个性化的免疫治疗策略.
- 通过整合多原子数据,CSsingle推进了复杂的生物系统和疾病过程的研究.
