评估FFPE乳腺组织中的细胞类型解:适用于良性乳腺疾病

科学领域:

• 生物医学研究的研究.
• 基因组学就是基因组学.
• 计算生物学是一种计算生物学.

背景情况:

• 甲固定型嵌 (FFPE) 组织的大量RNA测序 (RNA-seq) 是标准的,但平均基因表达,阻碍了在异质样本中发现生物标志物.
• 准确定义细胞类型组成对于解释大量RNA-seq数据和识别可靠生物标志物至关重要.

研究的目的:

• 评估大批FFPE乳腺组织样本的细胞类型解方法.
• 确定可克服FFPE诱导人工物并准确估计细胞比例的可靠方法.
• 引入一个新的R包,以促进细胞类型解卷分析.

主要方法:

• 为乳腺组织构建单细胞RNA-seq参考数据.
• 在FFPE条件下进行模拟实验,以评估解卷方法在FFPE条件下的性能.
• 在62个RNA-seq良性乳腺疾病样本的队列中应用解密方法.
• 利用数字病理学进行细胞类型组成估计.
• 开发和实施了SCdeconR R套餐.

主要成果:

• 大多数解卷方法显示FFPE工件的性能降低 (RMSE 0.040.17).
• 基于深度学习的方法Scaden证明了对FFPE工件的优越稳定性.
• 预先过的参考数据提高了大多数方法的准确性,将RMSE降低了高达32%.
• SCdeconR包提供了一个用于解卷评估和分析的平台.

结论:

• 来自FFPE样本的细胞类型解卷是由于文物而具有挑战性的,但Scaden提供了一个有前途的解决方案.
• 参考数据的预先过显著提高了解卷精度.
• 该SCdeconR包将帮助研究人员分析FFPE组织的细胞组成.