scMINER:基于相互信息的框架,用于从单细胞转录组学数据中进行集群和隐藏驱动器推断
Qingfei Pan1, Liang Ding1, Siarhei Hladyshau1
1Department of Computational Biology, St. Jude Children's Research Hospital, Memphis, TN, 38105, USA.
Nature communications
|May 9, 2025
概括
scMINER精确地聚类细胞,并从单细胞转录组学推断出基因调节网络. 该框架确定了细胞类型的关键驱动因素,并有助于多式联网数据分析.
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:
- 单细胞转录组学数据存在诸如随机性和稀疏性等挑战.
- 这些复杂性阻碍了准确的细胞聚类和细胞类型特定的网络推断.
研究的目的:
- 介绍scMINER (基于单细胞相互信息的网络工程管理器),一个整合性框架.
- 解决无监督细胞聚类和从单细胞数据推断网络的挑战.
- 能够识别转录因子和信号蛋白网络中的隐藏驱动器.
主要方法:
- 开发了一个新的计算框架scMINER.
- 在网络工程中利用了相互的信息.
- 综合转录因子和信号蛋白网络推断.
主要成果:
- scMINER在细胞聚类方面表现出卓越的准确性,超过了五个最先进的算法.
- 在网络推断中表现优于三种已建立的方法,通过ATAC-seq和CROP-seq.q.验证.
- 成功确定了T细胞耗尽和Treg规范中的关键转录因子驱动因素.
- 能够准确推断信号蛋白网络和驱动器,有利于多式联络数据分析.
结论:
- scMINER为分析复杂的单细胞转录基因数据提供了强大的解决方案.
- 该框架增强了细胞聚类,网络推断和驱动器识别.
- scMINER 门户提供了一个交互式工具,用于探索结果并促进生物发现.
更多相关视频
09:34A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations
Published on: October 25, 2018
6.6K
03:37Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
Published on: March 1, 2024
608
