深度 scSTAR:利用深度学习从单细胞RNA测序和空间转录组学数据中提取和增强表型相关特征
Lianchong Gao1, Yujun Liu2, Jiawei Zou3
1Shanghai Center for Systems Biomedicine, Key Laboratory of Systems Biomedicine (Ministry of Education), Shanghai Jiao Tong University, 800# Dong Chuan Road, Minhang District, Shanghai 200240, China.
Briefings in bioinformatics
|May 2, 2025
概括
深度scSTAR (DscSTAR) 是一种新的深度学习工具,可以从单细胞测序数据中增强表型特征. 它确定了与各种癌症免疫功能障碍和治疗耐药性相关的关键细胞群.
科学领域:
- 计算生物学 计算生物学
- 免疫基因组学是什么
- 癌症研究 癌症研究
背景情况:
- 单细胞测序揭示了细胞异质性,这对于了解疾病至关重要.
- 提取有意义的表型特征受到噪音和批量效应的阻碍.
- 识别特定的细胞表型对于疾病机制和治疗反应研究至关重要.
研究的目的:
- 引入Deep scSTAR (DscSTAR),这是一个深度学习工具,用于增强单细胞数据中的表型相关特征.
- 为了证明DscSTAR在识别疾病相关细胞群中的实用性.
- 改进复杂的生物信号的分析,以了解疾病.
主要方法:
- 深度 scSTAR (DscSTAR) 的开发,这是一个深度学习算法.
- 在单细胞和空间转录组学数据集中应用DscSTAR.
- 对表型特异性信息的分析,以将细胞特征与疾病病理和治疗反应联系起来.
主要成果:
- DscSTAR确定了与非小细胞肺癌免疫功能障碍和免疫疗法抵抗相关的HSP+ FKBP4+ CD8+ T细胞.
- 在细胞癌中增强的空间转录组学分析揭示了免疫抑制相互作用.
- 突出S100A12+中性粒细胞和与癌症相关的纤维细胞在肝细胞癌中,有助于免疫障碍和免疫疗法耐药性.
结论:
- DscSTAR有效地模拟并从复杂的单细胞数据中提取表型特异性信息.
- 该工具有助于更好地了解疾病机制,免疫细胞的作用和治疗耐药性.
- DscSTAR有助于发现新的细胞生物标记物和治疗点.
