使用sciRED进行可解释的单细胞因子分解

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 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) 揭示了细胞异质性,但面临技术噪音,稀疏性和高维度的挑战.
• 现有的数据因子化方法需要对已识别的基因表达程序进行手动解释.
• 改进的解释性对于从scRNA-seq数据中提取有意义的生物学见解至关重要.

研究的目的:

• 开发一种新的方法,即单细胞可解释的残留分解 (sciRED),用于增强scRNA-seq因子分析的解释.
• 改进复杂scRNA-seq数据集中的生物信号的识别和表征.
• 解决混的技术因素,发现隐藏的生物现象.

主要方法:

• sciRED采用剩余分解来消除混效应,并使用因子旋转来提高可解释性.
• 该方法将已识别的因素映射到已知的共变量,并检测出可能代表新生物信号的无法解释的因素.
• 基因和与产生的因素相关的生物过程被系统地确定.

主要成果:

• 将sciRED应用于多种scRNA-seq数据集,揭示了数据中性别特异的变化.
• 该方法在外周血液单核细胞 (PBMC) 数据中发现了不同的免疫刺激信号.
• sciRED在老鼠肝脏数据中降低了环境RNA污染,并在人类肝脏数据中确定了罕见细胞类型特征和区分计划.

结论:

• sciRED显著提高了scRNA-seq因子分析的解释性.
• 该方法有效地描述了各种生物信号,包括技术变异和微妙的生物现象.
• 在scRNA-seq研究中,sciRED为更深入的生物发现提供了有价值的工具.