相关实验视频
Updated: Jun 4, 2025
07:13
ATAC-Seq Optimization for Cancer Epigenetics Research
Published on: June 30, 2022
4.1K
超越细胞聚类和特征聚合:单细胞ATAC-seq数据中是否存在单细胞水平的信息?
Aaron Wing Cheung Kwok1,2,3, Heejung Shim2,3, Davis J McCarthy1,2,3,4
1Bioinformatics and Cellular Genomics, St Vincent's Institute of Medical Research, Fitzroy, VIC 3065, Australia.
bioRxiv : the preprint server for biology
|December 23, 2024
概括
用测序 (scATAC-seq) 检测转移酶可访问染色体的单细胞试验数据稀疏,限制了单细胞分辨率. 当前的计算方法难以提取细粒度的信息,阻碍了真正的单细胞染色质可访问性分析.
科学领域:
- 基因组学就是基因组学.
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
- 计算生物学 计算生物学
背景情况:
- 用测序 (scATAC-seq) 检测转移酶可访问性染色体的单细胞试验是研究在单细胞分辨率下染色体可访问性的关键技术.
- scATAC-seq数据的特点是高稀疏性,大多数条目为零,这带来了重大的分析挑战.
研究的目的:
- 审查分析scATAC-seq数据中的计算挑战.
- 讨论 scATAC-seq. 目前数据分析方法的局限性.
- 评估实现真正单细胞,单区域染色体可访问性信息的可行性.
主要方法:
- 对稀疏的 scATAC-seq 数据现有计算转换程序的审查.
- 将方法分类为特征聚合,伪散装和二进制化.
- 讨论提取单个细胞和单个区域信息的挑战.
主要成果:
- 目前用于scATAC-seq数据分析的计算方法在保持单细胞和单区域颗粒度方面存在局限性.
- 现有的策略,如特征聚合,伪散装和二进制可能无法完全捕捉预期的分辨率.
- 需要精细数据的更复杂的统计分析的潜力目前是有限的.
结论:
- 使用scATAC-seq进行染色体可访问性概况的真实单细胞分辨率尚未实现.
- 当前的技术和计算方法在提取有意义的单细胞,单区域数据方面面临重大障碍.
- 未来scATAC-seq试验效率的进步有望实现单细胞分辨率.
