CellRank 2:统一的命运映射在多视图中的单细胞数据

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 发展生物学 发展生物学

背景情况:

• 单细胞RNA测序 (scRNA-seq) 能够对细胞动态和命运决定进行建模.
• 当前的轨迹推断方法往往缺乏时间信息或多个数据模式的整合,并且不能很好地扩展.
• 现有的整合多种数据视图的方法往往不兼容或缺乏可扩展性.

研究的目的:

• 为了介绍CellRank 2,一个多功能和可扩展的框架,用于研究细胞命运使用多视图单细胞数据.
• 统一分析各种单细胞数据类型,包括时间序列和多模式数据,以进行可靠的轨迹推断.
• 为了使细胞特异性转录和降解率的估计,以便更深入地了解调节机制.

主要方法:

• 开发CellRank 2,一个统一的计算框架,用于分析大规模的单细胞数据.
• 结合表达相似性,RNA速度和实验时间点信息.
• 应用代谢标记数据来估计细胞特异性的动力速率.
• 使用多视图从多达数百万个细胞的单细胞数据.

主要成果:

• 在不同数据模式中,CellRank 2 始终恢复终端状态和命运概率.
• 在人类血液形成和内皮发育中证明了成功的应用.
• 能够结合时间和跨时间点过渡来识别细胞命运决定中的关键基因.
• 在肠道有机系统中成功地划定了分化轨迹,并确定了调节策略.

结论:

• CellRank 2提供了一种可扩展和统一的方法,用于使用多视图单细胞数据进行全面的细胞命运分析.
• 该框架通过整合时间和多模式信息来增强对发展过程的理解.
• CellRank 2促进了发现细胞分化和命运决策背后的调节机制.