用PACS对scATAC-seq数据的染色质可访问性进行深度校正的多因素剖析
Zhen Miao1,2, Jianqiao Wang3,4, Kernyu Park2
1Graduate Group in Genomics and Computational Biology, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA.
Nature communications
|January 5, 2025
概括
我们开发了一种新的统计模型,即单细胞可访问染色体的概率模型 (PACS),用于分析复杂的单细胞ATAC-seq数据. PACS有效地处理稀疏的数据,并提高了差异性可访问性分析的性能.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物统计学 生物统计学
背景情况:
- 单细胞ATAC-seq (scATAC-seq) 实验变得越来越复杂,涉及多个因素,如基因型和细胞类型.
- 现有的方法难以应对稀疏的scATAC-seq数据和复杂的实验设计的统计挑战.
研究的目的:
- 引入一种新的零调整统计模型,即单细胞可访问染色体的概率模型 (PACS).
- 为了使在稀疏的scATAC-seq数据中对影响色素可访问性的因素进行复杂的假设测试.
- 提高统计能力,控制差异性可访问性分析中的错误发现率.
主要方法:
- 开发一个零调整的统计模型 (PACS).
- 实施复杂的对可访问性调节因素的假设测试.
- 对数据稀疏性和单细胞序列捕获的变化进行核算.
主要成果:
- 在差异性可访问性分析中,PACS表现出卓越的性能,其功率比现有工具高17%至122%.
- 该模型有效控制了假阳性率.
- PACS成功地执行了监督的细胞类型注释,复合假设测试,批量效应校正和时空建模.
结论:
- PACS为分析复杂的scATAC-seq数据提供了一个强大的框架.
- 该模型从各种组织数据集中揭示了以前未被发现的生物见解.
- PACS增强了scATAC-seq研究的统计严谨性和分析能力.
