基于相对效果大小的概况作为多种单细胞转录研究中的差异化分析的替代方案
Anna Papiez1, Jonathan Pioch2, Hans-Joachim Mollenkopf3
1Department of Data Science and Engineering, Silesian University of Technology, Gliwice, Poland.
PloS one
|June 25, 2024
概括
效果大小分析为多种物种基因表达分析提供了一种新的方法,有效地整合了小样本数据集. 这种方法克服了单细胞RNA测序 (scRNA-seq) 研究中的批量效应和注释不一致等挑战.
科学领域:
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 多物种研究对于理解跨物种病原体动态和疾病机制至关重要.
- 通过单细胞RNA测序 (scRNA-seq) 分析多种基因表达面临诸如注释不一致性和批量效应等挑战,特别是在小样本大小的情况下.
研究的目的:
- 为了证明效果大小分析方法的适用性,用于从小样本中融合多种类的scRNA-seq数据.
- 建立效果大小概况作为一种工具,用于将不同生物体的细胞类型集群联系起来,并识别不同调节的基因.
主要方法:
- 开发了基于细胞内的效果大小指标配置文件的分析管道,取代了传统的基于p值的差异表达分析.
- 测试和验证了对现有和新生成的scRNA-seq数据的算法,这些数据来自与Mycobacterium tuberculosis刺激的人类和牛外周血液单核细胞.
主要成果:
- 效果大小概况成功地将人类和牛的细胞类型与数据集联系起来.
- 效果大小比率确定了差异调节的基因,这些基因使用qPCR进行了实验证实.
- 证明了效果大小分析是传统方法的有效替代品,当批量效应在多种类型的scRNA-seq数据中突出时.
结论:
- 效果大小分析为多个物种的基因表达分析提供了强大的方法,特别是对于小样本大小和复杂数据集.
- 这种方法有效地克服了scRNA-seq数据集成的常见挑战,使跨物种细胞类型识别和基因发现成为可能.
