布迪:用域不变量进行批量解卷,以预测来自批量解卷的细胞类型特定扰动

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 单细胞实验提供高细胞分辨率,但面临诸如分离困难,成本和有限的组织可用性等挑战.
• 大量实验提供了更广泛的样本覆盖范围,但缺乏细胞特异性.
• 在有限样本的深层细胞概况和许多样本的广泛批量概况之间存在差距.

研究的目的:

• 开发一种方法,BuDDI (用域不变量进行批量解卷),该方法集成了批量和单细胞RNA测序数据.
• 通过利用域适应技术推断细胞类型特定的扰动效应.
• 为了弥合有限的单细胞数据和广泛的批量数据之间的差距,以获得全面的生物学见解.

主要方法:

• 在一个变化自编码器 (VAE) 框架内,BuDDI采用域调整.
• 它学习了细胞类型比例,扰乱效应,实验变异性和剩余变异性的独立潜空间.
• 通过独立构成这些潜在空间来模拟扰动反应.

主要成果:

• 在与匹配样本的数据上,BuDDI成功地学习了域不变的隐性空间.
• 该方法准确地预测了细胞类型特定的扰动反应,即使在训练期间没有单细胞扰动配置文件.
• 在复杂的实验设计中,BuDDI在预测扰动反应和性别特异性差异方面表现优于比较方法和基线.

结论:

• BuDDI有效地集成了批量和单细胞RNA测序数据,以实现研究扰动的单细胞分辨率.
• 该方法提供了一种可扩展的方法,可以将大型参考地图集与大量配置的疾病或治疗签名相结合.
• 布迪提升了研究干扰,性别差异和其他生物因素在细胞水平的研究.