哈奇:在单细胞研究中进行供体解的综合管道

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.
• 计算生物学 计算生物学

背景情况:

• 单细胞复杂化技术,如细胞散列和遗传复杂化,对于优化样本处理和降低大规模单细胞研究成本至关重要.
• 细胞哈希包括将抗体标签或化学寡核酸与细胞膜结合起来,以进行样本识别.
• 基因复杂化依赖于在已知的基因组坐标上聚合RNA读数,以区分混合样本.

研究的目的:

• 开发一种先进的计算管道,用于精确地解卷复杂单细胞数据.
• 整合细胞散列和基因复合解卷化策略,以改善细胞恢复.
• 为了验证管道在现实世界生物样本上的性能,特别是新鲜冷的大脑组织.

主要方法:

• 开发"对冲" (hashing deconvolution与基因型信息相结合),一个Nextflow管道.
• 整合了12个不同的解卷算法,用于全面分析.
• 实施联合解体战略,结合多种方法的优势.
• 对于核的应用,从新鲜冷的大脑组织中哈希数据.

主要成果:

• 哈奇管道成功地执行了基于哈希和基因型的解卷.
• 提出并实施了一项联合的解体战略.
• 这种综合方法使得以前通过单个方法丢弃的细胞可以恢复.
• 在新鲜冷的大脑组织的细胞核中改善了细胞恢复.

结论:

• 管道为单细胞多重复合解卷提供了一个强大的和集成的解决方案.
• 联合解卷策略显著提高细胞恢复率,提高数据产量和质量.
• 这种方法对于分析具有挑战性的样本类型,如新鲜冷组织,特别有价值.