一个规范化的贝叶斯迪里克莱特多项式回归模型,用于整合单细胞水平的奥米克和患者水平的临床研究数据

科学领域:

• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.
• 翻译医学是一种翻译医学.

背景情况:

• 细胞类型的丰富程度在患者之间有很大差异,受表型,年龄,性别和生活方式的影响.
• 现有的方法很难有效地将单细胞奥米克数据与临床变量结合起来.
• 了解这些关系对于疾病研究和个性化医学至关重要.

研究的目的:

• 开发一种新的计算框架,将单细胞RNA测序 (scRNA-seq) 数据与患者级临床数据相结合.
• 研究不同疾病中细胞类型丰富度和临床变量之间的关联.
• 在各种层次层次上识别细胞类型特定的关系.

主要方法:

• 开发了一个规范化的贝叶斯迪里克莱特多项式回归框架.
• 一个新的等级树结构被纳入分析不同颗粒度的细胞类型.
• 该模型应用于肺纤维化,COVID-19和非小细胞肺癌患者的scRNA-seq数据.

主要成果:

• 拟议的框架成功地确定了特定细胞类型和临床变量之间的显著关联.
• 这些关联在三个不同的疾病队列中观察到.
• 层次结构使得在多个细胞类型分辨率级别上发现关系成为可能.

结论:

• 开发的贝叶斯回归模型为集成scRNA-seq和临床数据提供了一个强大的方法.
• 这种综合性分析为疾病机制提供了新的生物学见解.
• 这些发现有可能为未来的临床干预和个性化治疗策略提供信息.