异质的伪球体模拟使细胞类型解方法的现实基准测试成为可能.

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.
• 生物信息学是一种生物信息学.

背景情况:

• 计算式细胞类型解估计了大量组织中的细胞类型丰富性,这对于理解瘤微环境至关重要.
• 现有的基准测试研究通常使用模拟的假体数据集,这些数据集是从随机选择的单个细胞中生成的.
• 这种标准方法可能缺乏生物差异,影响了解卷方法评估的可靠性.

研究的目的:

• 解决当前批量模拟管道在基准测试解卷方法中的局限性.
• 提出和验证一个异质的模拟策略,以实现更现实的合成批量数据集.
• 为评估各种解卷算法的性能和稳定性提供一个强大的框架.

主要方法:

• 开发了一种异质模拟策略,以生成更好地反映生物差异的合成批量表达数据.
• 评估了不同类别的解卷方法的稳定性,包括无引用和基于回归的方法.
• 在八个不同的数据集中对解卷方法进行了广泛的基准测试.

主要成果:

• 使用随机细胞的标准模拟产生了缺乏适当生物差异的合成数据.
• 不同质的模拟批量样本显示的差异与真实批量数据集相匹配,增强了基准测试.
• 无参考解卷方法在异质环境中表现不佳;BayesPrism和混合MuSiC/CIBERSORTx方法表现最好.

结论:

• 拟议的异质模拟方法为基准计算细胞类型解卷工具提供了更现实的基础.
• 这一框架允许对方法性能有更细致的理解,特别是关于生物异质性的理解.
• 为模拟方法和基准测试框架提供了一个开源包,以促进进一步的研究和开发.