基于深度学习的1D卷积神经网络模型的开发,用于跨物种的自然杀手T细胞识别,使用外围血液单核细胞单细胞RNA测序数据
Kaj Chokeshaiusaha1, Thanida Sananmuang1, Denis Puthier2
1Department of Veterinary Science, Faculty of Veterinary Medicine, Rajamangala University of Technology, Tawan-OK, Chon Buri, Thailand.
Veterinary world
|February 3, 2025
概括
一种新的深度学习模型使用单细胞RNA测序准确地识别了跨物种的自然杀手T (NKT) 细胞. 这种方法揭示了保存的免疫基因,推进了比较免疫学研究.
科学领域:
- 免疫学 免疫学 免疫学
- 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:
- 自然杀手T (NKT) 细胞具有T细胞和NK细胞的特征.
- 虽然在人类和小鼠中进行了广泛的研究,但在狗和猪模型中的NKT细胞功能仍然未得到充分探索.
- 单细胞RNA测序 (scRNA-Seq) 为NKT细胞功能提供了洞察力,但在混合人群中识别特定细胞类型方面面临挑战,例如外围血液单核细胞 (PBMC).
研究的目的:
- 开发和应用一维卷积神经网络 (1DCNN) 模型,用于在scRNA-seq数据中准确识别NKT细胞.
- 通过在人类数据上训练的模型,使犬类和猪类PBMC中的NKT细胞能够进行跨物种识别.
- 为了识别不同物种NKT细胞之间共享的保存免疫功能基因.
主要方法:
- 使用人类scRNA-seq数据训练了一种1DCNN模型,NKT细胞通过k-means集群分离.
- 经过训练的1DCNN模型被应用于用于NKT细胞识别的犬类和猪类PBMC scRNA-seq数据集.
- 进行了差异基因表达和基因本体学 (GO) 丰富分析,以评估共享的基因功能.
主要成果:
- 1DCNN模型在识别人类NKT细胞方面实现了99.3%的准确性.
- 该模型成功地在人类,犬类和猪类PBMC数据集中识别了NKT细胞候选者.
- 通过GO分析,在物种间的NKT细胞中发现了总共344个具有显著增加表达的保存基因,与免疫活性相关.
结论:
- 开发了一个强大的1DCNN模型,用于使用scRNA-seq数据进行跨物种NKT细胞识别.
- 在NKT细胞中保存的免疫功能基因在人类,犬类和猪类物种中被确定.
- 这种方法有可能在比较免疫学研究中识别其他细胞类型.
