一个细胞循环意识网络用于数据集成和单细胞RNA-Seq和ATAC-Seq的标签转移

科学领域:

• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.
• 一个单细胞分析.

背景情况:

• 单细胞多omics集成为细胞功能提供了更深入的见解,但面临着像omics-variance,稀疏性,异质性和混因素等挑战.
• 细胞循环是单细胞RNA测序 (scRNA-seq) 数据中已知的混因素,但它对集成的多omics数据的影响尚不清楚.

研究的目的:

• 开发一个计算模型,细胞循环意识网络 (CCAN),用于在集成的单细胞多组数据中解决细胞循环效应.
• 为了消除细胞周期混杂,同时保持细胞类型特定变异在多omics数据集.

主要方法:

• 开发一种新的计算模型,细胞循环意识网络 (CCAN).
• 在基准单细胞多omics数据集上应用和验证CCAN.

主要成果:

• CCAN成功地从集成的单细胞多组数据中删除了细胞周期效应.
• 该模型证明了在不同scRNA-seq协议中处理批量效应的有效性.
• CCAN促进了配对和不配对的scRNA-seq和scATAC-seq数据的整合,从而实现了精确的细胞类型标签传输.
• 该模型有助于表征细胞分化过程,例如造血干细胞分化.

结论:

• CCAN是第一个专门针对单细胞多组数据中细胞周期效应的计算模型.
• 该模型在各种下游分析中表现强,提高了多学科研究的准确性和可解释性.
• CCAN为研究人员提供了一种有价值的工具,研究单细胞水平的复杂生物系统.