在临床单细胞转录学中通过组生物学估计剖析瘤细胞程序
Shreya Johri1,2, Kevin Bi1,2, Breanna M Titchen1,2,3
1Department of Medical Oncology, Dana-Farber Cancer Institute, Boston, MA, USA.
Nature communications
|March 2, 2025
概括
我们开发了BEANIE,一种用于分析癌症单细胞RNA测序研究中的基因表达的新统计方法. BEANIE提高了识别治疗反应差异的准确性,减少了临床研究中的错误阳性.
科学领域:
- 在瘤学瘤学.
- 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:
- 单细胞RNA测序 (scRNA-seq) 对于理解癌症异质性至关重要.
- 临床病例/对照研究需要准确的差异基因表达分析 (例如,治疗响应者与非响应者).
- 现有的方法通常会产生错误的阳性结果,并且无法捕获患者特定的数据结构或混因素.
研究的目的:
- 介绍BEANIE,一种新的非参数统计方法,用于在临床scRNA-seq数据中对基因特征的差异基因表达分析.
- 解决当前方法的局限性,包括高错误阳性率和对患者特定层次和混因子的不充分处理.
- 为癌症研究中产生假设提供一个强大的工具.
主要方法:
- 开发了BEANIE,一种用于微分表达式分析的非参数统计方法.
- 应用BEANIE对模拟和真实世界的乳腺癌,肺癌和黑色素瘤的临床数据集.
- 在特异性和灵敏性方面对BEANIE与现有方法的性能进行了评估.
主要成果:
- 与模拟中的现有方法相比,BEANIE在保持高灵敏度的同时表现出优越的特异性.
- 该方法有效地分析scRNA-seq数据中的临床相关组的基因特征.
- 豆成功地处理患者特定的层次结构和样本驱动的混.
结论:
- BEANIE提供了一个强大的方法策略,用于识别癌症中差异表达的基因特征.
- 该方法增强了对不同瘤状态的独特和共享基因特征的生物学洞察力.
- BEANIE适用于单个研究分析,元分析和跨细胞类型的交叉验证.
