对单细胞多式联通数据集成的系统评估,用于全面的人类参考地图.

科学领域:

• 单细胞基因组学 单细胞基因组学
• 系统生物学 系统生物学
• 生物技术是生物技术.

背景情况:

• 多式单细胞数据集成对于创建全面的器官参考图谱至关重要.
• 整合多种单细胞基因数据的影响,特别是在像脏这样的复杂组织中,尚未完全理解.
• 开发强大的方法来对齐和分析多式单细胞数据对于推动生物发现至关重要.

研究的目的:

• 使用集成的多式单细胞技术,生成皮层的基准测试数据集.
• 开发和评估用于整合多式单细胞数据的计算策略,以获得更好的生物洞察力.
• 用多式单细胞方法在皮层内识别新型细胞类型和状态.

主要方法:

• 通过将3'和5'scRNA-seq与来自19个捐赠者 (119,744个核/细胞) 的联合snRNA-seq和snATAC-seq集成,生成一个多式皮层数据集.
• 开发和应用可解释的机器学习工具 scOMM (单细胞Omics多模式映射) 来调整细胞身份并比较集成策略.
• 对"水平" (scRNA与snRNA),"垂直" (snRNA与snATAC) 和全球整合战略的系统评估.

主要成果:

• 横向整合scRNA-seq和snRNA-seq改善了细胞类型识别.
• 对snRNA-seq和snATAC-seq的"垂直"集成提供了附加的好处,增强了同质和难以识别的细胞群的分辨率.
• 全球整合有效地确定了适应性状态和罕见的细胞类型,包括以前未被检测到的WFDC2表达厚上升四肢和Norn细胞.

结论:

• 该研究建立了一个强大的框架,用于复杂组织的多式联络地图的生成.
• 综合多式单细胞分析显著提高了器官图谱的分辨率和全面性.
• 这一框架扩展了单细胞奥米克的适用性,以在各种组织中发现新的生物学见解.