在单细胞蛋白质组学中数据集成的基准
Yaguo Gong1, Yangbo Dai2, Qibiao Wu1
1School of Pharmacy, State Key Laboratory of Quality Research in Chinese Medicine, Macau University of Science and Technology, Macao 999078, China.
Analytical chemistry
|January 6, 2025
概括
整合单细胞蛋白质组学 (SCP) 数据是具有挑战性的,因为批量效应. 这项研究对方法进行了基准评估,建议ComBat,Scanorama和Seurat v3 CCA用于有效的SCP数据集成.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 单细胞蛋白质组学 (SCP) 数据通常包含由处理差异和偏差引起的批量特定变异.
- 有效地整合SCP数据对于保护生物见解,同时消除不必要的技术效应至关重要.
研究的目的:
- 为了对单细胞蛋白质组学 (SCP) 的流行的数据整合方法进行基准测试.
- 提出一个新的评估系统来评估SCP数据集成性能.
- 确定最适合集成SCP数据的方法.
主要方法:
- 对现有的数据整合方法进行基准分析.
- 开发一种新的评估系统,采用三个客观措施:批量效应校正,生物变异保护和标记物识别.
- 使用五个不同的基准数据集,涵盖各种场景 (蛋白质/细胞数量,批量,细胞类型,数据平衡).
主要成果:
- 确定ComBat,Scanorama和Seurat版本3 CCA是表现最好的方法.
- 拟议的评估系统从多个角度提供了全面的评估.
- 该研究成功确定了SCP数据集成的推方法.
结论:
- 对于单细胞蛋白质组学数据集成,建议使用ComBat,Scanorama和Seurat v3 CCA.
- 这种系统性评估为研究人员选择整合方法提供了有价值的指导.
- 在保持生物变异的同时解决批量效应是强大的SCP分析的关键.
