scACCorDiON:一种聚类方法,用于在患者层面进行可解释的细胞-细胞通信图形分析
James S Nagai1, Tiago Maié1, Michael T Schaub2
1Institute for Computational Genomics, RWTH Aachen Medical Faculty, Pauwelsstr. 19, 52074, Aachen, Germany.
Bioinformatics (Oxford, England)
|May 6, 2025
概括
scACCorDiON使用最佳传输分析患者数据中的细胞-细胞通信. 这种方法改善了疾病聚类,并识别了胰腺癌的沟通变化,预测了生存率.
科学领域:
- 计算生物学 计算生物学
- 单细胞基因组学 单细胞基因组学
- 系统生物学 系统生物学
背景情况:
- 单细胞测序和体受体 (LR) 分析对于理解组织中的细胞通信至关重要.
- 定向加权图模型细胞-细胞通信,但由于数据变化和非线性通信,分析患者队列数据仍然具有挑战性.
研究的目的:
- 开发一种用于分析样本特异性单细胞数据中的单细胞细胞通信事件的计算方法.
- 改进基于病情的患者样本的聚类,使用细胞通信概况.
主要方法:
- 引入了 scACCorDiON (使用导向网络中最佳传输的疾病集群中细胞-细胞通信的单细胞分析),一种最佳传输算法.
- scACCorDiON使用马尔科夫链上的节点距离作为比较指向权重图表示细胞通信的度量.
主要成果:
- 与使用非定向图的方法相比,scACCorDiON在聚类疾病样本方面表现优越.
- 在胰腺腺癌的案例研究中,确定了一种与瘤微环境变化相关的疾病子集群.
- 检测到的联体受体对被发现是胰腺癌存活率的预测.
结论:
- scACCorDiON提供了一种可靠且易于解释的方法,用于分析复杂生物系统中的细胞-细胞通信事件.
- 该方法有效地捕捉疾病特定的沟通模式,并有助于识别预后生物标志物.


