单细胞引用中缺少的细胞类型会影响批量数据的解卷,但可以检测到

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• RNA测序的进步使得大量和单细胞的基因表达研究成为可能.
• 通过批量数据解卷分析进行细胞类型比例分析,依赖于完整的单细胞参考.
• 在单细胞引用中缺失的细胞类型对解卷精度构成挑战.

研究的目的:

• 为了研究缺失的细胞类型对RNA测序解卷方法的影响.
• 在没有细胞类型的场景下评估解卷算法的性能.
• 探索恢复缺失细胞类型信息的方法.

主要方法:

• 模拟大量的RNA测序数据,使用配对的单细胞和单核RNA测序数据.
• 在不同的缺失细胞类型条件下,对三种解卷方法的评估.
• 应用非负矩阵因子化来从残留物中恢复缺失的细胞类型配置文件.
• 来自癌症和非癌症样本的真实散装RNA测序数据的分析.

主要成果:

• 解性能受到缺失细胞类型的数量和相似性的显著影响.
• 单核RNA测序有效捕获单细胞对应物中缺少的细胞类型.
• 缺失的细胞类型表达模式可以从残留物中识别和恢复.
• 真实数据分析证实了模拟结果,残留模式表明可能缺失的细胞类型.

结论:

• 目前的解卷方法应该适应,以考虑到参考数据集中细胞类型的潜在缺失.
• 从残留物中恢复缺失的细胞类型信息提供了一个有希望的途径,以提高解卷精度.
• 结果为开发更强大的解卷工具提供了基础.