mastR:用于在多组差异表达分析中自动识别组织特异基因特征的R包

科学领域:

• 文字转录学 (Transcriptomics) 是一个学科.
• 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:

• 生物标志物发现对于了解疾病机制至关重要.
• 现有的生物标记物识别方法通常集中在单细胞RNA测序 (scRNA-seq) 数据上.
• 需要自动化方法来标记大量RNA测序 (RNA-seq) 数据,以解释背景表达.

研究的目的:

• 开发一种用于标记大量RNA-seq数据中的标记标识的自动化方法.
• 解决当前方法的局限性,包括手动策划和缺乏背景表达的考虑.
• 为准确的生物标志物发现提供强大的工具.

主要方法:

• 开发了mastR,这是使用转录组数据识别标记物的新工具.
• 使用edgeR和limma进行对对比,并使用基于等级产品的顺序测试进行结果聚合.
• 实施了信号与噪声比的方法,以最大限度地减少背景信号.

主要成果:

• mastR在大量RNA-seq数据中准确识别基因标记物.
• mastR衍生NK细胞签名的性能与已发表的策划签名相比或更好.
• 在模拟的scRNA-seq数据和与Seurat相比,证明了mastR的实用性.

结论:

• mastR是一种有效的自动化工具,用于标记大量RNA-seq数据中的标记标识.
• 该工具明确解释了背景基因表达,提高了准确性.
• mastR为生物标志物发现和生物洞察提供了宝贵的资源.