CITE-seq数据的多模式层次分类将免疫细胞状态划分为跨血统和组织的免疫细胞状态

科学领域:

• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 单细胞RNA测序 (scRNA-seq) 揭示了细胞异质性,但往往无法区分由表面蛋白定义的子集.
• 转录组和表位组的细胞索引 (CITE-seq) 提供了同时的转录组和蛋白组分析,但需要先进的分类方法来准确地注释细胞类型.

研究的目的:

• 利用多式单细胞数据开发一种新的,与天文图谱独立的分类器,用于准确的细胞类型注释.
• 引入多式分类器层次结构 (MMoCHi) 来整合转录组和蛋白组信息.

主要方法:

• 开发了MMoCHi,一种基于标记的层次分类方法.
• 基准MMoCHi使用排序的T淋巴细胞子集.
• 应用MMoCHi来注释一个跨组织的人类免疫细胞数据集.

主要成果:

• MMoCHi通过整合多式联络数据,准确地分类细胞类型.
• 该分类器的性能优于基于转录组的方法和用于免疫细胞子集识别的无监督聚类.
• MMoCHi成功地揭示了新的子集标记物,并且可以适应各种细胞系和模式.

结论:

• MMoCHi为多模式细胞类型分类提供了强大而适应性的解决方案.
• 这种方法增强了免疫细胞子集的分辨率和标记物的发现.
• MMoCHi 便于在各种生物背景和数据类型中进行注释.