扫描图:整合大型和多样化的单细胞转录组数据集
Brian L Hie1,2,3, Soochi Kim4,5, Thomas A Rando4,5,6,7
1Department of Chemical Engineering, Stanford University School, Stanford, CA, USA. brianhie@stanford.edu.
Nature protocols
|June 6, 2024
概括
Scanorama有效地合并了多种单细胞RNA测序 (scRNA-seq) 数据集,克服了来自不同细胞组成和技术噪声的挑战. 这一协议使得scRNA-seq数据集成对使用Google Colaboratory的研究人员更容易获得.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 可以生成高分辨率的转录组数据.
- 整合多样化的scRNA-seq数据集对于发现生物学见解至关重要,但由于细胞组成和技术差异的不同,面临着挑战.
- 现有的方法难以有效地将数据集与异质细胞类型分布合并.
研究的目的:
- 介绍使用Scanorama集成异质scRNA-seq数据的详细协议.
- 为了解决来自不同实验条件,测序深度和批量效应的技术变化.
- 提高合并scRNA-seq数据集的质量和可解释性.
主要方法:
- 使用Scanorama,这是一个用于scRNA-seq数据集成的计算工具.
- 在基于Scanpy的分析工作流中集成Scanorama.
- 利用谷歌协作平台实现基于云的可访问协议.
主要成果:
- Scanorama有效地将来自不同来源的scRNA-seq数据合并,提高数据质量.
- 整合过程解决了多数据集scRNA-seq研究中固有的技术差异.
- 该协议有助于分析具有多种细胞类型组成的异质scRNA-seq数据集.
结论:
- Scanorama 提供了一个强大的解决方案,用于整合多种scRNA-seq数据集,特别是那些具有复杂细胞类型组成的数据集.
- 开发的协议与谷歌协作相结合,为更广泛的研究社区民主化scRNA-seq数据集成.
- 这种方法增强了可以从多实验scRNA-seq数据分析中获得的生物学见解.
