使用sciRED进行可解释的单细胞因子分解
Delaram Pouyabahar1,2, Tallulah Andrews3,4, Gary D Bader5,6,7,8,9,10
1Department of Molecular Genetics, University of Toronto, Toronto, ON, Canada.
Nature communications
|February 22, 2025
概括
单细胞可解释残余分解 (sciRED) 通过提高因子解释性来增强单细胞RNA测序分析. 这种方法有助于发现隐藏的生物信号,并在复杂的数据集中描述各种基因表达模式.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 揭示了细胞异质性,但面临技术噪音,稀疏性和高维度的挑战.
- 现有的数据因子化方法需要手动解释复杂的生物信号.
- 改进的解释性对于从scRNA-seq数据中提取有意义的生物学见解至关重要.
研究的目的:
- 开发一种新的计算方法,即单细胞可解释的残余分解 (sciRED),用于增强scRNA-seq因子分析的解释.
- 通过改善scRNA-seq数据中的生物信号的识别和表征来解决当前方法的局限性.
主要方法:
- sciRED通过删除已知的混效应来预处理scRNA-seq数据.
- 它采用因子旋转技术来提高可解释性,并将因子映射到已知的共变量.
- 该方法识别了潜在的隐藏生物现象的不明原因因素,并确定了相关的基因和生物过程.
主要成果:
- 将sciRED应用于多种scRNA-seq数据集,揭示了数据中的性别特异性变异.
- 它成功地在外周血液单核细胞 (PBMC) 数据中发现了不同的免疫刺激信号.
- sciRED有助于减少肝脏数据中的环境RNA污染,促进菌株变异分析和识别罕见细胞类型和区分计划.
结论:
- sciRED显著提高了scRNA-seq数据中的因子分析的解释性.
- 该方法有效地表征了广泛的生物信号,包括技术和生物变异.
- sciRED提供了一个有价值的工具,用于从复杂的单细胞转录基因数据集进行更深层次的生物学发现.
