使用crumblr进行细胞组成差异的快速,灵活分析
Gabriel E Hoffman1,2,3,4,5,6, Panos Roussos1,2,3,4,5,6
1Center for Disease Neurogenomics, Icahn School of Medicine at Mount Sinai, New York, NY, USA.
Research square
|March 10, 2025
概括
我们开发了crumblr,一种新的统计方法来分析细胞类型组成的变化. 这种方法增加了识别复杂数据集中细胞类型频率转移的统计能力.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物统计学 生物统计学
背景情况:
- 细胞类型的组成对于了解健康和疾病至关重要.
- 单细胞技术为细胞类型提供高分辨率数据.
- 从大型队列中分析组合数据会带来统计方面的挑战.
研究的目的:
- 介绍crumblr,一种可扩展的统计方法来分析细胞类型组成数据.
- 为了在复杂的研究设计中能够对细胞类型的频率变化进行可靠的识别.
- 提高分析细胞谱系层次结构的统计能力.
主要方法:
- 开发了crumblr,一种使用精准加权线性混合模型的方法.
- 整合随机效应来处理复杂的研究设计.
- 采用多变量方法进行跨细胞系水平的统计测试.
主要成果:
- 模拟显示,与现有方法相比,crumblr增加了统计能力并控制了假阳性率.
- 在各种单细胞RNA测序数据集上展示了crumblr的应用.
- 成功分析了老化,结核,前列腺癌转移和SARS-CoV-2感染研究的数据.
结论:
- crumblr提供了一种强大且可扩展的解决方案,用于分析细胞类型组成数据.
- 该方法提高了检测细胞类型频率的生物显著变化的能力.
- 在健康和疾病研究中,crumblr适用于广泛的单细胞研究.
更多相关视频
10:00An Analytical Tool that Quantifies Cellular Morphology Changes from Three-dimensional Fluorescence Images
Published on: August 31, 2012
14.5K
09:27High Resolution Quantification of Crystalline Cellulose Accumulation in Arabidopsis Roots to Monitor Tissue-specific Cell Wall Modifications
Published on: May 10, 2016
8.1K
