使用变压器对单细胞转录组学和蛋白组学进行联合分析

科学领域:

• 单细胞生物学 单细胞生物学
• 计算生物学是一种计算生物学.
• 分子生物学分子生物学

背景情况:

• CITE-seq同时测量单细胞水平上的RNA和蛋白质表达,这对于理解细胞异质性至关重要.
• CITE-seq的高实验成本限制了其广泛的应用.
• 对RNA和蛋白质表达的综合分析对于深入的生物学见解至关重要.

研究的目的:

• 开发一种计算方法,scTEL,用于从单细胞RNA测序 (scRNA-seq) 数据中预测蛋白质表达.
• 为了降低与蛋白质表达分析相关的实验成本.
• 创建一个统一的框架,用于集成多个CITE-seq数据集与不同的蛋白质面板.

主要方法:

• scTEL使用基于变压器编码器层的深度学习框架.
• 该模型建立了从测量的RNA表达到同一细胞内的未观察到的蛋白质表达的映射.
• 建议建立一个统一的框架来整合多个CITE-seq数据集,处理蛋白质面板中的部分重叠.

主要成果:

• scTEL可以准确地从成本效益低的scRNA-seq数据中预测蛋白质表达.
• 计算方法显著降低了蛋白质表达分析的成本.
• 该模型在公开CITE-seq数据集的经验验验证方面表现优于现有方法.
• scTEL有效地将多个CITE-seq数据集与异质蛋白质面板集成在一起.

结论:

• scTEL提供了一种具有成本效益的计算解决方案,用于从scRNA-seq数据中推断蛋白质表达.
• 该框架促进了多种CITE-seq数据集的整合,增强了多组单细胞分析.
• 这种方法通过减少实验障碍,使高分辨率的细胞概况民主化.