scMUG:对多个基因功能模块的单细胞RNA-seq数据进行深度集群分析.
1College of Intelligence and Computing, Tianjin University, Tianjin 300350, China.
Briefings in bioinformatics
|April 6, 2025
概括
scMUG管道通过整合基因功能模块来改进细胞聚类来增强单细胞RNA测序 (scRNA-seq) 分析. 这种生物信息学工具为细胞异质性和基因表达模式提供了更深入的见解.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 提供高分辨率的基因表达数据,揭示细胞异质性.
- 由于稀疏性和高维度,分析scRNA-seq数据具有挑战性.
- 生物信息学对于分析诸如scRNA-seq.q.等大型生物数据集至关重要.
研究的目的:
- 介绍scMUG计算管道,以改进scRNA-seq集群分析.
- 将基因功能模块信息集成到scRNA-seq数据分析中.
- 解决scRNA-seq数据中稀疏性和高维度的挑战.
主要方法:
- 开发了scMUG管道,包括数据预处理,细胞表示,相似性矩阵构建和集群.
- 引入了一种新的相似度测量方法,将局部密度和潜在空间的全球分布结合起来.
- 将基因功能关联集成到聚类过程中.
主要成果:
- scMUG管道在9个人类scrRNA-seq数据集上展示了增强的集群性能.
- 对基因功能信息的整合为细胞异质性提供了更深入的见解.
- scMUG与现有的最先进的方法相比,取得了同等或更高的结果.
结论:
- scMUG管道有效地利用基因功能模块进行强大的scRNA-seq集群.
- 这种方法为了解细胞异质性中的功能关系提供了一种新的方法.
- 该管道为使用公开可用的代码进行scRNA-seq数据分析提供了有价值的工具.


