demuxSNP:使用细胞散列和SNP进行监督脱多重复的单细胞RNA测序

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:

• 多重复合单细胞RNA测序 (scRNA-seq) 降低了成本,但面临着细胞散列质量和类不平衡的挑战.
• 现有的解复合算法通常依赖于单一的数据模式,从而限制了它们的性能.

研究的目的:

• 引入demuxSNP,一个监督的算法,集成细胞散列和单核酸多态 (SNP) 数据,用于强大的scRNA-seq脱多元化.
• 解决现有方法的局限性,特别是在散列质量低且数据集不平衡的场景中.

主要方法:

• demuxSNP使用概率哈希用于初始细胞分配,并推断单元/双元集群的基因型.
• 适应缺失数据的近邻方法用于分类不确定或负的细胞.
• 该算法与独立散列,无基因型SNP和使用模拟和真实细胞癌数据的混合方法进行了基准测试.

主要成果:

• demuxSNP在独立的哈希方法中表现出优越的性能,特别是在低质量的哈希数据中.
• 该算法提高了整体分类准确性,并恢复了更多高质量的RNA细胞.
• 与无基因型SNP和混合方法不同,demuxSNP的监督方法显示出更强大的稳定性,对不同的双重率和类大小不平衡产生更大的影响.

结论:

• demuxSNP通过结合散列和SNP数据来有效地解复 scRNA-seq 数据集,这对于具有遗传差异和低散列质量的样本是有利的.
• 该方法通过恢复具有高RNA质量的未分配或负细胞来增强数据实用性.
• 相关的数据模拟和基准测试管道,以及demuxSNP R/生物导体包,是公开的.