系统评估与单细胞和空间解析的转录学数据模拟在多种情景下的实用指南
Hongrui Duo1, Yinghong Li2, Yang Lan3
1College of Life Sciences, Chongqing Normal University, Chongqing, 401331, People's Republic of China.
Genome biology
|June 3, 2024
概括
这项研究对单细胞RNA测序 (scRNA-seq) 和空间解析转录组学 (SRT) 数据的49种模拟方法进行了基准测试. 没有任何一种方法是卓越的,引导用户根据准确性,可扩展性和功能需求选择工具.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 和空间解析的转录组学 (SRT) 对生命科学进步至关重要.
- 数据模拟对于开发和比较scRNA-seq和SRT的生物信息学工具至关重要.
- 现有的模拟方法缺乏全面的性能评估,阻碍了最佳工具选择.
研究的目的:
- 系统地评估scRNA-seq和SRT数据的模拟方法的性能.
- 为选择合适的模拟工具提供实际指导方针.
- 为了确定用于SRT数据模拟的scRNA-seq方法的潜在兼容性.
主要方法:
- 评估了49种模拟方法,使用来自24个平台的152个参考数据集.
- 基于准确性,功能性,可扩展性和可用性的评估方法.
- 分析了执行错误和参数估计问题.
主要成果:
- 在不同平台上,SRTsim,scDesign3,ZINB-WaVE和scDesign2都表现出极高的准确性.
- 一些scRNA-seq方法证明了对SRT数据模拟的兼容性.
- 费诺帕斯,Lun,Simple和MFA提供了高可扩展性,但缺乏现实的数据生成.
- 执行错误通常源于参数估计失败.
结论:
- 没有一个模拟方法在所有标准上都优越.
- 用户必须平衡方法准确性,可扩展性和功能性.
- 开发了实用指南,一个管道 (Simpipe) 和一个在线工具 (Simsite) 来帮助选择方法和数据模拟.
