相关实验视频
Updated: Jun 27, 2025
07:27
Transcriptome Analysis of Single Cells
Published on: April 25, 2011
29.9K
数据规范化,以应对分析单细胞转录组数据集的挑战
Raquel Cuevas-Diaz Duran1, Haichao Wei2,3, Jiaqian Wu4,5,6
1Tecnologico de Monterrey, Escuela de Medicina y Ciencias de la Salud, Monterrey, Nuevo Leon, 64710, Mexico. raquel.cuevas.dd@tec.mx.
BMC genomics
|May 6, 2024
概括
选择正确的规范化方法对于单细胞RNA测序 (scRNA-seq) 数据分析至关重要. 本综述通过各种方法和评估指标指导用户,因为没有一种方法普遍优于其他方法.
科学领域:
- 单细胞RNA测序 (scRNA-seq) 数据分析数据的分析.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 规范化对于scRNA-seq数据至关重要,以确保基因计数的可比性.
- 方法必须考虑技术和生物变异性.
- 存在许多规范化技术,每个都有独特的假设.
研究的目的:
- 引导用户选择合适的scRNA-seq规范化方法.
- 提供对测序平台,协议和可变性来源的概述.
- 讨论规范化类别,归算,批量效应校正和评估指标.
主要方法:
- 审查单细胞测序平台和协议.
- 讨论scRNA-seq数据变异性的来源.
- 规范化方法的分类与示例,包括归算和批量效应校正.
- 用于绩效评估的数据驱动指标的描述.
- 综合数据分析工具包的概述.
主要成果:
- 规范化方法被归类为样本内和样本间算法.
- 数学模型包括全球扩展,通用线性模型,混合方法和机器学习.
- 每种方法都有优点和缺点,具有不同的统计假设.
结论:
- 没有一种单一的规范化方法是普遍优越的.
- 建议使用像轮宽度,K-最近邻居批量效应测试和高度可变基因等性能评估指标.
- 对规范化方法的知情选择是强大的scRNA-seq分析的关键.
