用scRNA-seq数据分析的相互信息推断单细胞网络

科学领域:

• 基因组学就是基因组学.
• 系统生物学 系统生物学
• 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) 能够在单细胞分辨率下进行生物系统分析.
• 基因关联的网络建模可以揭示动态的生物变化.
• 准确的单细胞网络 (SCN) 构建用于细胞异质性探索仍然具有挑战性.

研究的目的:

• 引入SINUM,一种使用相互信息构建SCN的方法.
• 评估SINUM在细胞类型识别中的准确性和稳定性.
• 评估SINUM衍生的SCNs的生物相关性.

主要方法:

• 在scRNA-seq数据中,SINUM估计了基因对之间的相互信息,以推断单个细胞内的依赖关系.
• 该方法在使用多个性能指标的多种scRNA-seq数据集上进行了验证.
• 由SINUM生成的SCN与人类互动组进行了比较,并分析了无尺度的特性.

主要成果:

• 与最先进的方法相比,SINUM在细胞类型识别方面表现出卓越的准确性和稳定性.
• 来自SINUM的SCN显示与人类互动组有显著的重叠.
• 构建的SCN表现出无尺度网络属性.

结论:

• SINUM提供了生物系统的网络层面视图,有助于检测细胞类型标记基因和基因对.
• 该方法有助于调查依赖时间的基因关联变化,例如胚胎发育期间.
• SINUM的开源代码可用于更广泛的研究应用.