使用集群计算从空间转录组学数据中恢复单细胞基因表达特征的协议

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:

• 像Visium这样的空间转录技术提供了有价值的基因表达数据,但通常具有多细胞分辨率.
• 这种限制阻碍了详细的单细胞水平分析,限制了对细胞异质性和组织内功能的洞察力.

研究的目的:

• 介绍scResolve,一种新型的计算协议,旨在从低分辨率的空间转录组学数据中计算恢复高分辨率的单细胞基因表达特征.
• 为设置计算环境,准备数据和执行scResolve的超分辨率推理和细胞细分模块提供详细的指南.

主要方法:

• scResolve使用超分辨率推理算法来解多细胞数据.
• 细胞细分模块被用来为单个细胞分配表达特征.
• 该协议旨在在集群环境中运行,利用并行计算来加速处理.

主要成果:

• scResolve成功地从低分辨率的空间转录组学数据集中恢复了单细胞基因表达特征.
• 该协议使得从多细胞到单细胞分辨率分析的过渡成为可能,从而释放出新的生物学见解.
• 平行计算显著加快了数据处理的速度,使单细胞分辨率分析更容易获得.

结论:

• scResolve提供了一种强大的计算解决方案,用于从现有的低分辨率空间转录学实验中提取单细胞分辨率基因表达数据.
• 这一进步扩大了空间转录学的实用性,使组织架构和细胞相互作用的更细致的研究成为可能.
• 该协议的效率和可访问性促进了在诸如发育生物学和疾病研究等领域的更深入理解.