通过利用样本和基因相似性以及单细胞RNA-Seq数据来从大量基因表达中解

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:

• 大量RNA测序 (RNA-seq) 平均基因表达,掩盖了关键的细胞类型异质性.
• 单细胞RNA-seq (scRNA-seq) 揭示了细胞异质性,但它资源密集,对于大规模研究来说不切实际.
• 现有的计算解卷方法通常需要先前了解细胞类型组成或细胞类型特定的基因表达特征.

研究的目的:

• 开发一种新的计算解卷算法,从大量RNA-seq数据同时推断细胞类型比例和细胞类型特异性基因表达特征 (GEPs).
• 提供实用和准确的替代实验方法来表征细胞异质性.

主要方法:

• 开发了DSSC,一种解卷算法,利用基因基因和样本样本的相似性在大批RNA-seq和scRNA-seq数据中.
• 评估了DSSC在模拟的伪批量数据 (内部和跨数据集) 和实验批量数据 (混合和真实样本) 上的表现.

主要成果:

• DSSC同时准确地推断出细胞类型比例和细胞类型特定的GEP.
• 该方法在各种模拟类型和实验数据集中展示了稳定性.
• 与现有方法相比,DSSC在成本和时间方面表现出高效率.

结论:

• DSSC提供了一种实用且有效的计算解决方案,用于在批量样本中剖析细胞组成和基因表达异质性.
• 这种方法通过提供对细胞异质性的详细见解,而无需昂贵的实验技术,从而推动了对生物机制的研究.