ScRNAbox:在高性能计算系统上实现单细胞RNA测序.
Rhalena A Thomas1,2, Michael R Fiorini3, Saeid Amiri4
1Department of Neurology and Neurosurgery, Montreal Neurological Institute-Hospital, McGill University, Montreal, QC, H3A 2B4, Canada. rhalena.thomas@mcgill.ca.
BMC bioinformatics
|October 1, 2024
概括
scRNAbox是一个新的管道,用于分析高性能计算 (HPC) 系统上的单细胞RNA测序 (scRNAseq) 数据. 它提供了一个可访问的,端到端的解决方案,用于复杂的scRNAseq分析,而不需要广泛的编码知识.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 单细胞RNA测序 (scRNAseq) 产生大量的数据集,需要大量的计算资源.
- 现有的 scRNAseq 分析工具往往缺乏可扩展性或需要先进的编程技能.
- 高性能计算 (HPC) 对于现代scRNAseq数据分析至关重要.
研究的目的:
- 开发一个用户友好的,可扩展的管道,用于scRNAseq在HPC系统上的数据分析.
- 解决scRNAseq研究中的计算需求和可访问性挑战.
- 为端到端scRNAseq数据处理提供综合解决方案.
主要方法:
- 开发了scRNAbox,这是一个端到端的scRNAseq分析管道,用于HPC环境.
- 使用SLURM工作负载管理器,以实现高效的工作执行.
- 集成的模块用于质量控制,样本集成,聚类,注释和差异基因表达分析.
主要成果:
- scRNAbox高效地处理来自标准和Hashtag样本的原始scRNAseq数据.
- 该管道包括用于数据质量控制和样本集成的全面工具.
- 通过分析两个公开可用的scRNAseq数据集,证明了scRNAbox的实用性.
结论:
- scRNAbox提供了一个全面和可访问的解决方案,用于scRNAseq对HPC的数据分析.
- 该管道简化了复杂的分析,弥合了数据生成和生物洞察力之间的差距.
- 为具有不同级别编码专业知识的研究人员提供先进的scRNAseq分析.


