整合跨组织和个体的空间分辨率转录学数据:挑战和机遇

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.
• 生物信息学是一种生物信息学.

背景情况:

• 空间分辨率转录学 (SRT) 技术正在迅速发展,使详细的生物学见解成为可能.
• 降低成本有助于创建大规模的地图集和整合各种SRT数据的人口水平研究.
• 整合跨组织,个体,物种或表型的SRT数据带来了独特的计算挑战.

研究的目的:

• 描述SRT数据集成的独特挑战.
• 描述不同空间和生物分辨率的分析影响.
• 审查现有的空间意识集成方法和计算策略.

主要方法:

• 来自空间和生物分辨率变化的分析影响的表征.
• 审查当前的空间意识的整合方法.
• 探索用于SRT数据集成的计算策略.

主要成果:

• 识别和描述了SRT数据集成的独特挑战.
• 描述了分辨率变化对SRT数据分析的影响.
• 提供了有关计算方法和策略的综述.

结论:

• 推进阿特拉斯规模数据集的计算算法至关重要.
• 需要标准化的预处理方法来提高灵敏度和可重复性.
• 未来的工作重点应该是开发用于大规模SRT数据集成的可靠方法.