scPanel:一种用于自动识别稀疏基因组的工具,用于使用scRNA-seq数据集进行可概括的患者分类
Yi Xie1, Jianfei Yang2, John F Ouyang1
1Programme in Cardiovascular and Metabolic Disorders, Centre for Computational Biology, Duke-NUS Medical School, 8 College Road, Singapore 169857, Singapore.
Briefings in bioinformatics
|October 1, 2024
概括
scPanel使用单细胞RNA测序 (scRNA-seq) 数据识别疾病分类的最小基因组. 这种计算框架可以使用更少的生物标志物进行准确的患者分层,从而降低临床翻译成本.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 发现生物标志物的发现.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 能够在大型患者队列中以单细胞分辨率进行转录组分析.
- 发现基因和细胞生物标志物对于疾病理解和患者分层至关重要.
- 与大型基因面板相关的高成本阻碍了scRNA-seq发现的临床翻译.
研究的目的:
- 介绍scPanel,这是一个用于识别稀疏基因面板的计算框架,用于患者分类.
- 通过减少基因小组大小来弥合生物标志物发现和临床应用之间的差距.
- 为了使用最小的,自动选择的信息生物标记基因来实现准确的患者分类.
主要方法:
- scPanel从最容易对干扰反应的细胞群中识别出信息性生物标记基因.
- 一种数据驱动的方法自动确定一组最小的生物标记基因.
- 通过使用曲线得分下的面积来汇总与细胞相关的预测概率来实现患者级别的分类.
主要成果:
- 在使用<20个基因的数据集中,scPanel在硬质瘤,结肠直肠癌和COVID-19数据集中实现了高的患者分类准确性.
- 该框架展示了跨数据集的概括性,用于预测外部COVID-19队列中的疾病状态.
- scPanel在患者分类方面表现优于现有的基因选择方法.
结论:
- scPanel有效地识别了可靠的生物标志物候选人的节集,用于临床翻译.
- 该框架减少了将scRNA-seq发现转化为临床应用的成本和复杂性.
- scPanel促进了基于转录基因数据的经济高效的诊断和预后工具的开发.
