相关实验视频
Updated: Jun 18, 2025
07:03
Isolation of Adipose Tissue Nuclei for Single-Cell Genomic Applications
Published on: June 12, 2020
9.8K
sNucConv:一种在单核RNA-seq数据上训练的散装RNA-seq解卷方法,用于估计人类脂肪组织的细胞类型组成
Gil Sorek1, Yulia Haim2, Vered Chalifa-Caspi1
1Bioinformatics Core Facility, llse Katz Institute for Nanoscale Science and Technology, Ben-Gurion University of the Negev, Beer-Sheva, Israel.
iScience
|July 29, 2024
概括
新的解卷工具sNucConv使用单核RNA测序 (snRNA-seq) 估计脂肪组织中的细胞类型. 它准确地模拟了仓库特定的细胞比例,即使对于不适合单细胞RNA测序 (scRNA-seq) 的组织.
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.
- 生物技术是生物技术.
背景情况:
- 解卷算法通常使用单细胞RNA测序 (scRNA-seq) 在散装RNA测序 (bulkRNA-seq) 上进行细胞类型组成估计.
- 脂肪组织的细胞构成是可变的,脂肪细胞需要单核RNA测序 (snRNA-seq) 来捕获.
研究的目的:
- 开发sNucConv,这是一个使用snRNA-seq数据的深度学习解卷工具.
- 验证该工具在人类内脏 (hVAT) 和皮下 (hSAT) 脂肪组织中估计细胞类型比例的准确性.
- 证明已验证的解卷模型对于对scRNA-seq.不敏感的组织的可行性.
主要方法:
- 使用人类脂肪组织snRNA-seq数据进行训练的sNucConv.
- 使用snRNA-seq和散装RNA-seq之间的相关基因以及细胞类型特定的回归模型进行校正的训练数据.
- 应用sNucConv对大量RNA-seq数据进行细胞类型比例估计.
主要成果:
- sNucConv以高准确度估计了细胞类型比例 (hVAT 的 R=0.93,hSAT 的 R=0.95).
- 该模型在独立验证样本上实现了高精度.
- 开发的模型是特定于仓库的,反映了hVAT和hSAT中不同的基因表达模式.
结论:
- sNucConv使用snRNA-seq数据准确地解构脂肪组织中的细胞类型组成.
- 该工具提供仓库特定的模型,捕捉生物差异.
- sNucConv提供了一种经过验证的方法,用于在对scRNA-seq.q.具有挑战性的组织中进行解卷.
