scCross:在多个单细胞样本中高效地搜索罕见子群
Alexander Gerniers1, Siegfried Nijssen1, Pierre Dupont1
1ICTEAM/INGI/Artificial Intelligence and Algorithms Group, UCLouvain, Louvain-la-Neuve 1348, Belgium.
Bioinformatics (Oxford, England)
|June 18, 2024
概括
scCross 在多个单细胞样本中识别罕见细胞亚群,即使有批量效应. 这种双重聚类方法克服了数据集成的局限性,用于强大的罕见细胞检测.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 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) 数据显示了细胞异质性.
- 聚合多个scRNA-seq样本引入批量效应,复杂化分析.
- 现有的数据整合方法可能过度纠正,阻碍罕见细胞识别.
研究的目的:
- 为介绍scCross,一种用于识别多个scRNA-seq样本中罕见细胞亚群的新型双聚类方法.
- 为了应对在没有事先数据集成的情况下在有批量效应的情况下检测罕见细胞的挑战.
主要方法:
- scCross采用双聚类方法,重点关注子群体的总和标准.
- 它通过评估整个亚群来识别具有特定标记基因的细胞,而不是对对细胞进行比较.
- 该方法旨在对scRNA-seq数据固有的高可变性和批量效应具有稳定性.
主要成果:
- 在没有先前数据整合的情况下,scCross在肺癌和人类胰腺数据集中成功识别了罕见细胞亚群.
- 在肺癌细胞中检测到具有潜在的新型纤毛基因的纤毛亚群,这种亚群在替代方法中错过了.
- 该方法在一个带有诱导批量效应的受控实验中,在识别目标罕见细胞类型方面表现出卓越的性能.
结论:
- 在多个样本中,scCross有效地识别了由特定基因特征的罕见细胞亚群.
- 该方法对批量效应具有稳定性,比传统的数据集成技术具有优势.
- scCross在聚合scRNA-seq研究中探索细胞异质性提供了一个有价值的工具.
