剖析由单细胞转录组数据使用细胞间通信诱导的交叉通话

科学领域:

• 计算生物学 计算生物学
• 系统生物学 系统生物学
• 基因组学就是基因组学.

背景情况:

• 细胞-细胞通信 (CCC) 涉及复杂的信号通路.
• 使用单细胞RNA测序 (scRNA-seq) 数据进行CCC分析的现有方法忽略了路径交叉通话.
• 途径交叉声显著影响下游的细胞反应.

研究的目的:

• 介绍SigXTalk,一种基于机器学习的新方法,用于分析CCC中的路径交叉通话.
• 量化信号保真度和特异性,测量交叉通话的影响.
• 提供CCC诱导的监管网络的系统分析,考虑交叉通话.

主要方法:

• 开发了SigXTalk,这是一种利用超图形学习的机器学习方法.
• 在受体,转录因子和基因之间编码了更高阶的关系.
• 使用模拟数据和分析的疾病和时间序列scRNA-seq数据进行基准SigXTalk.

主要成果:

• SigXTalk有效地识别了关键的共享分子及其在交叉通话途径中的作用.
• 该方法准确量化了信号忠实度和特异性.
• 分析揭示了区分疾病状态的关键信号,目标和监管网络,并随着时间的推移跟踪了途径的演变.

结论:

• SigXTalk提供了一种强大的方法,可以使用scRNA-seq数据分析CCC中的路径交叉声.
• 该方法通过考虑交叉通话来增强对监管网络的理解.
• SigXTalk在疾病机制阐明和动态途径分析方面具有应用.