评估样本智能细胞解方法对人类大脑转录数据的性能和应用
Rujia Dai1, Tianyao Chu2, Ming Zhang2
1Department of Psychiatry, SUNY Upstate Medical University, Syracuse, NY, USA.
Science advances
|May 23, 2024
概括
这项研究评估了人类大脑数据中的细胞解方法,发现dtangle和bMIND是细胞比例和基因表达的最佳选择. 分解数据揭示了对精神分裂症和阿尔茨海默氏症等脑部疾病的新见解.
科学领域:
- 神经科学是一个神经科学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 细胞解方法对于分析大量组织转录组学至关重要.
- 它们在人类大脑数据中的性能和应用尚未得到充分探索.
- 准确的细胞类型比例和基因表达估计对于理解大脑复杂性至关重要.
研究的目的:
- 评估和比较使用不同的人类大脑和有机体数据集的九种解卷方法.
- 确定最佳方法来估计从散装组织的细胞比例和基因表达.
- 探索解密数据在脑疾病中的生物应用.
主要方法:
- 通过使用匹配的散体组织RNA测序 (RNA-seq),单细胞/核 (sc/sn) RNA-seq和免疫组织化学数据评估了九种解卷方法.
- 利用了来自149个成年人死后大脑和72个器官样本 (1,130,767个核) 的转录组数据.
- 使用解密的基因表达数据识别了特定细胞类型的表达定量特征位点 (eQTL).
主要成果:
- 在估计细胞类型比例方面,Dtangle表现出卓越的性能.
- bMIND显示了对估计样本智能的细胞类型基因表达的最佳性能.
- 对八种大脑细胞类型的25273个细胞类型eQTL (decon-eQTL) 进行了鉴定.
- 与大量或单细胞eQTL单独相比,Decon-eQTL解释了更多的精神分裂症GWAS遗传性.
- 不同基因表达分析揭示了与阿尔茨海默氏症,精神分裂症和大脑发育的关联.
结论:
- 在人类大脑研究中,Dtangle和bMIND被推用于细胞解.
- 简化数据为大脑疾病的遗传结构提供了宝贵的见解.
- 这些发现支持解卷方法的实用性,用于分析复杂的人类大脑转录数据和理解疾病机制.
