scAI-SNP:一种从单细胞数据推断祖先的方法

科学领域:

• 基因组学就是基因组学.
• 人口遗传学 人口遗传学
• 生物信息学是一种生物信息学.

背景情况:

• 像人类细胞地图集这样的大规模单细胞数据计划需要具有代表性的供体祖先信息.
• 自我报告的种族/种族可能是有偏见的,并且通常无法用于现有数据集.
• 准确的祖先确定对于确保人类图谱中的遗传多样性至关重要.

研究的目的:

• 引入scAI-SNP,这是一个新的计算工具,可以从单细胞基因组学数据直接推断出捐赠者的祖先.
• 解决在大型单细胞数据集中确定祖先的公正和可访问方法的需求.
• 增强人类单细胞地图集在不同种群中的代表性.

主要方法:

• 来自1000个基因组项目数据集 (3201个个体,26个种群) 的450万个祖先信息单核酸多态 (SNP) 的识别.
• 开发scAI-SNP算法,利用查询单细胞数据的信息性SNP计算人口群贡献.
• 使用多种单细胞数据集与匹配的全基因组测序数据进行验证.

主要成果:

• scAI-SNP证明了对单细胞数据固有的稀疏性的稳定性.
• 该工具准确而一致地推断出各种组织类型和癌细胞的祖先.
• scAI-SNP适用于不同的单细胞分析模式,包括单细胞RNA-seq和单细胞ATAC-seq.

结论:

• scAI-SNP提供了一种可靠的方法,可以从单细胞基因组学数据中推断祖先.
• 确保单细胞地图中多样化的祖先代表性对于推动公平的健康结果至关重要.
• 将遗传祖先数据与自我报告的种族/种族结合起来,可以提高生物医学研究的包容性.