对10x Xenium空间转录组学数据的基准细胞类型注释方法.
Jinming Cheng1,2, Xinyi Jin1,2, Gordon K Smyth3,4
1Bioinformatics Division, The Walter and Eliza Hall Institute of Medical Research, Parkville, VIC, 3052, Australia.
BMC bioinformatics
|January 20, 2025
概括
在成像空间转录组学 (Xenium) 中,SingleR最好注释细胞类型. 这种快速,准确的工具与手动注释相匹配,有助于空间基因表达的下游分析.
科学领域:
- 空间转录学 空间转录学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 基于成像的空间转录学为细胞水平的基因表达提供了洞察力.
- 准确的细胞类型注释至关重要,但由于成像数据中的基因面板有限,因此具有挑战性.
- 现有的基于参考的注释工具主要用于单细胞RNA测序 (scRNA-seq) 和基于测序的空间数据.
研究的目的:
- 评估基于成像的空间转录学数据的已建立的基于参考的细胞类型注释工具的性能.
- 将计算方法与手动注释进行比较,用于成像空间转录学.
- 为这些工具建立参考准备,准确性评估和运行时间估计的工作流.
主要方法:
- 对比了五个基于参考的工具 (SingleR,Azimuth,RCTD,scPred,scmapCell) 与手动注释.
- 为了进行比较,利用了人类乳腺癌的基于成像的Xenium数据.
- 开发并演示了一种工作流程,用于创建高质量的scRNA引用并评估注释准确性和计算时间.
主要成果:
- 在Xenium平台上测试的基于参考的注释工具中,SingleR表现优越.
- 单一R的准确性与手动注释结果密切一致.
- 在这种情况下,SingleR被认为是用于细胞类型注释的快速和用户友好的选择.
结论:
- SingleR是Xenium成像空间转录组学平台上的细胞类型注释的最佳基于参考的工具.
- 该研究为应用和评估用于成像空间转录学的注释工具提供了实用框架.
- 这些发现有助于对空间基因表达模式进行更可靠的下游分析.
