准确估计单个细胞中的途径活性,用于集群和差异分析

科学领域:

• 单细胞RNA测序分析分析
• 系统生物学 系统生物学
• 计算生物学是一种计算生物学.

背景情况:

• 在单细胞RNA测序 (scRNA-seq) 研究中,量化生物途径和基因组变化至关重要.
• 目前的方法通常依赖于聚合基因列表的基因组丰富分析,这可能会限制灵敏度和分辨率.
• 了解单细胞水平的途径动态对于破译复杂的生物过程和疾病机制至关重要.

研究的目的:

• 开发和介绍SiPSiC,一种新的计算方法,用于从scRNA-seq数据中推断单个细胞内的通路活动.
• 为了实现更敏感的差异性通路活动分析,并改进细胞分类和可视化技术.
• 通过分析单细胞分辨率的途径活性来确定新的生物途径和潜在的疾病机制.

主要方法:

• SiPSiC量化了每个单个细胞的通路活性,超越了传统的基因列表丰富.
• 该方法整合了下游分析的途径得分,如差异分析,细胞聚类和维度减少 (例如,UMAP).
• 在不同的数据集上进行应用和验证,包括COVID-19,肺腺癌和质瘤.

主要成果:

• SiPSiC分析成功地确定了已知的生物途径变化,与之前的研究一致.
• 该方法揭示了新型途径的差异性活性,表明研究疾病中的新病理生理机制.
• SiPSiC在检测单细胞水平上的生物功能和特征方面表现出高的准确性和灵敏性.
• 基于单个基因而不是单个基因路径活动的细胞分类,提高了分辨率,克服了患者特定的文物.

结论:

• SiPSiC提供了一种灵敏而准确的方法,可以从scRNA-seq数据中推断单细胞通路活性.
• 该方法促进了更深入的生物学见解,包括发现新型疾病机制和改进细胞类型分类.
• SiPSiC为推进系统生物学研究和理解健康和疾病中的细胞异质性提供了有价值的工具.