DiSC:用于快速差异表达分析的统计工具,用于个人级单细胞RNA-seq数据的快速差异表达分析.
Lujun Zhang1, Lu Yang2, Yingxue Ren3
1Division of Biostatistics and Health Data Science, School of Public Health, University of Minnesota, Minneapolis, MN 55455, United States.
Bioinformatics (Oxford, England)
|May 30, 2025
概括
DiSC是一种用于在单细胞RNA测序数据中的差异表达分析的新方法. 它有效地识别基因表达变化,适用于各种单细胞数据集.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 能够详细描述细胞异质性的特征.
- 越来越多的scRNA-seq数据需要有效的差异表达 (DE) 分析方法,以考虑个体变异性.
研究的目的:
- 在scRNA-seq数据中引入DiSC,这是一种用于个体级DE分析的新方法.
- 开发一个统计强大和计算高效的工具,用于分析大规模的scRNA-seq数据集.
主要方法:
- DiSC提取了多个分布特征,用于联合测试.
- 灵活的排列测试框架用于控制错误发现率 (FDR).
- 该方法在R软件包"SingleCellStat"中实现.
主要成果:
- DiSC有效地控制FDR,并在模拟中展示了高的统计能力.
- 该方法在计算上是高效的,比现有的最先进的方法快大约100倍.
- DiSC确定了与COVID-19严重程度和阿尔茨海默病相关的DE基因,这些发现得到了文献的支持.
- 通过飞行时间数据,DiSC成功地通过细胞计量检测识别出了比传统方法更多的DE标志物.
结论:
- DiSC提供了一个高效和强大的解决方案,用于scRNA-seq.q.中的个体级DE分析.
- DiSC框架是强大的,可以适应各种单细胞数据类型.
- DiSC R包和复制代码是公开可用的,用于更广泛的科学用途.


