环境污染对单核多原子实验的脱多倍化方法的影响

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 分子生物学分子生物学

背景情况:

• 样本复杂化在基于滴滴的单核多原子测序中很常见,以减少成本和技术变化.
• 基于基因型的脱多元化,在单细胞RNA-seq中很受欢迎,需要在其他测试中进行严格的基准测试,如snATAC-seq和联合snRNA/snATAC.
• 在多原子实验中,环境RNA/DNA污染对解复杂精度构成了挑战.

研究的目的:

• 开发和验证一个基因型意识的读取级模拟器,ambisim,以实现现实的联合snRNA/snATAC数据生成与受控的环境污染.
• 在各种条件下严格评估现有的基于基因型的脱多元化方法,包括双倍率,供体数量和覆盖率.
• 引入一种新型的度量,变异一致性,用于评估细胞水平的环境分子分数,并提高解复杂性能.

主要方法:

• 开发 ambisim,一个基因型意识的读取级模拟器,用于联合 snRNA/snATAC 数据.
• 基于模拟的评估,对像双倍率,捐赠者数量和覆盖率这样的参数进行脱多倍化方法.
• 在现实世界联合 snRNA/snATAC 数据集中应用解复杂化方法,并引入变异一致度指标.

主要成果:

• 模拟表明,环境污染对 snRNA 和 snATAC 模式的解复合方法产生可变的影响.
• 对真实数据集的应用揭示了不同解复杂化方法之间的高度可变的一致性.
• 变异一致度指标显示与细胞水平环境分子分数的相关性,突出显示了污染变异性.

结论:

• 现有的基于基因型的解复复合方法在联合snRNA/snATAC测定中表现出可变的性能和一致性.
• 环境污染显著影响多原子单核实验中脱多重复的准确性.
• 在去多重复算法中对环境材料的增强建模对于提高多原子数据分析的灵敏度和特异性至关重要.