一个用于有效提取细胞标记物的自然语言处理系统
Peng Cheng1, Yan Peng1, Xiao-Ling Zhang1
1Marketing and Management Department, CapitalBio Technology, Beijing, 100176, China.
Scientific reports
|September 11, 2024
概括
MarkerGeneBERT是一种自然语言处理系统,从科学文献中提取细胞标记物,用于单细胞RNA测序 (scRNA-seq) 研究. 该工具提高了细胞类型注释的准确性和完整性,发现了新的细胞类型和标记.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 可以进行详细的细胞探索,但需要准确的细胞类型注释.
- 目前的单元格注释依赖于手动策划和现有的标记数据库,这些数据库可能不完整.
研究的目的:
- 开发和验证MarkerGeneBERT,一种用于从scRNA-seq文献中提取细胞类型和标记基因信息的自然语言处理 (NLP) 系统.
- 从科学出版物中创建一个全面的细胞标志物和细胞类型数据库.
主要方法:
- 开发了NLP系统MarkerGeneBERT,用于解析来自3702个scRNA-seq研究的全文文章.
- 提取的物种,组织,细胞类型和细胞标记基因信息.
- 与手动策划的数据库对提取的数据进行了验证,并将其应用于scRNA-seq数据注释.
主要成果:
- 收集了7901个人类细胞标记 (1606种类型) 和8223个小鼠细胞标记 (1674种类型).
- 与现有数据库相比,实现了76%的完整性和75%的准确性.
- 确定了89种新型细胞类型和183种新的标记基因.
- 通过使用编译的标记,成功地注释了脑组织scRNA-seq数据,与原始研究一致.
结论:
- 基于NLP的方法,如MarkerGeneBERT,显著加快和改进scRNA-seq数据的注释和解释.
- MarkerGeneBERT提供了一种强大的,可扩展的方法来增强生物数据库,并推进单细胞研究.
- 该系统展示了理解细胞异质性的变革潜力.
更多相关视频
09:56Mapping the Emergent Spatial Organization of Mammalian Cells using Micropatterns and Quantitative Imaging
Published on: April 30, 2019
6.5K
08:18Multiplexed Barcoding Image Analysis for Immunoprofiling and Spatial Mapping Characterization in the Single-Cell Analysis of Paraffin Tissue Samples
Published on: April 7, 2023
1.6K
