在单细胞多组学试验中,EmptyDropsMultiome从背景区分真实细胞
Stathis Megas1,2,3,4, Valentina Lorenzi1,2, John C Marioni5,6
1European Molecular Biology Laboratory European Bioinformatics Institute, Hinxton, Cambridge, UK.
Genome biology
|May 14, 2024
概括
在多原子单细胞实验中,EmptyDropsMultiome精确地识别了细胞核,其性能优于CellRanger-arc.等现有方法. 这种新方法改善了所有细胞类型的检测,确保了更全面的数据分析.
科学领域:
- 单细胞生物学 单细胞生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 多原子单核技术可以同时测量染色质可访问性 (scATAC-seq) 和基因表达 (scRNA-seq).
- 从背景噪声中准确识别真核对于可靠的多原子分析至关重要.
- 现有的计算工具可能在灵敏度和细胞类型偏差方面存在局限性.
研究的目的:
- 开发和验证EmptyDropsMultiome,一种新的计算方法,用于在多原子单细胞数据中区分真核和空滴.
- 为了比较EmptyDropsMultiome与CellRanger-arc和EmptyDrops等既有方法的性能.
- 评估不同滴滴调用策略的统计能力,准确性和潜在偏差.
主要方法:
- 开发EmptyDropsMultiome算法用于多原子滴滴分析.
- 使用模拟来严格评估统计能力和准确性.
- 在现实世界的多原子数据集上进行应用和比较.
主要成果:
- 与CellRanger-arc和EmptyDrops相比,EmptyDropsMultiome在模拟中表现出优越的统计能力和准确性.
- 现实世界的数据分析显示,CellRanger弧错过了EmptyDropsMultiome识别的核的50%以上.
- 细胞Ranger-arc对某些细胞类型有显著的偏见,其中一些细胞的检索率低于20%.
结论:
- EmptyDropsMultiome为滴滴调用多原子单细胞实验提供了更敏感,更少偏见的方法.
- 这些发现凸显了当前工具的局限性,以及需要改进背景噪声校正的必要性.
- 这一进步促进了更全面,更准确的单细胞多原子数据解释.
