在具有scPAFAFA的大型单细胞转录体上发现与疾病相关的多细胞通路模块

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.
• 生物信息学是一种生物信息学.

背景情况:

• 对单细胞RNA测序 (scRNA-seq) 数据的途径分析对于疾病研究至关重要,提供了生物学见解.
• 对于大型数据集,现有的细胞水平通路活动分数 (PAS) 工具在计算上是低效的.
• 当前的方法往往忽略了对理解复杂疾病至关重要的跨细胞类型通路模式.

研究的目的:

• 引入单细胞通路活动因子分析 (scPAFA),一个Python库,用于大规模scRNA-seq数据上的高效PAS计算.
• 为了能够发现生物学上可解释的多细胞通路模块,反映与疾病相关的PAS细胞类型的细胞类型的变化.
• 为了解决当前路径分析工具的计算局限性和单细胞类型重点.

主要方法:

• 开发scPAFA,一个用于快速PAS计算的Python库.
• 实施因子分析以识别多细胞通路模块.
• 适用于大规模结肠直肠癌 (CRC) 和狼 scRNA-seq 数据集 (超过120万个细胞).

主要成果:

• 与现有方法相比,scPAFA实现了40倍以上的PAS计算运行时间减少.
• 在CRC和狼数据集中确定了可靠和可解释的多细胞通路模块.
• 这些模块有效地捕获了疾病异质性和转录异常.

结论:

• 在大型scRNA-seq数据集中,scPAFA显著提高了途径分析的计算效率.
• 该图书馆促进了多细胞通路模块的发现,为疾病提供了更深入的生物学见解.
• scPAFA是促进疾病研究,生物标志物发现和了解途径层面的复杂生物机制的宝贵工具.