在单细胞微分表达中计算功率和样本大小的无分布和分析方法
Chih-Yuan Hsu1,2, Qi Liu1,2, Yu Shyr1,2
1Department of Biostatistics, Vanderbilt University Medical Center, Nashville, TN 37203, United States.
Bioinformatics (Oxford, England)
|September 4, 2024
概括
我们开发了scPS,这是一种用于计算单细胞RNA测序实验的统计功率和样本大小的新方法. 它准确地解释了数据分布和细胞相关性,改进了实验设计.
科学领域:
- 单细胞转录组学 单细胞转录组学
- 计算生物学是一种计算生物学.
- 统计遗传学 统计遗传学
背景情况:
- 在单细胞RNA测序 (scRNA-seq) 中的差异表达分析对于理解细胞类型特定反应至关重要.
- 强大的实验设计,包括足够的统计能力和样本大小,对于可靠的scRNA-seq分析至关重要.
- 目前的功率和样本大小计算方法通常依赖于分布假设,忽视细胞对细胞的相关性,限制了它们的准确性.
研究的目的:
- 开发一种新,准确和高效的方法来计算单细胞微分表达分析中的统计功率和样本大小.
- 解决现有方法的局限性,不假设数据分布,并纳入细胞-细胞相关性.
主要方法:
- 拟议的scPS是一种基于分析的方法,使用了通用估计方程.
- scPS对单细胞转录组学数据的分布没有任何假设.
- 该方法考虑了单个样本内固有的细胞-细胞相关性.
主要成果:
- scPS为单细胞差异表达研究提供了准确的功率和样本大小计算.
- 该方法是分布不可知,增强其适用于各种scRNA-seq数据集的适用性.
- scPS有效地结合了细胞与细胞的相关性,从而导致了更具生物学相关性的实验设计.
- 与基于模拟的方法相比,这种方法在计算上是高效的.
结论:
- scPS为设计单细胞差异表达实验提供了一种快速,强大和可靠的方法.
- 这种方法通过考虑关键数据特征来提高实验设计的稳定性.
- scPS有助于在单细胞转录组学方面进行更准确,更有效的研究.


