ReSort通过区域信息集成增强了基于参考的细胞类型解卷功能,用于空间转录学
Linhua Wang1, Ling Wu2, Guantong Qi3
1Graduate School of Biomedical Sciences, Program in Quantitative and Computational Biosciences, Baylor College of Medicine, Houston, TX 77030, United States.
Bioinformatics advances
|June 13, 2025
概括
我们开发了基于区域的细胞排序 (ReSort),通过减少对参考数据的依赖来改进空间转录学 (ST) 细胞类型解卷. ReSort提高了准确性,并在小鼠乳腺癌模型中揭示了免疫细胞的丰富性.
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:
- 空间转录组学 (ST) 提供具有组织定位的基因表达数据,但缺乏单细胞分辨率.
- 基于基准的细胞类型解方法用于推断ST数据中的细胞类型组成.
- 参考数据集和ST数据之间的技术差异限制了当前解卷方法的准确性.
研究的目的:
- 引入基于区域的细胞分类 (ReSort) 作为一种改进空间转录学中的细胞类型解卷的新方法.
- 减少对外部参考数据的依赖,以实现解卷.
- 解决影响空间转录学分析准确性的技术差异.
主要方法:
- 基于区域的细胞排序 (ReSort) 从空间转录组学数据中利用区域级信息.
- 该方法旨在减轻参考和空间转录组数据集之间的批量和平台差异产生的问题.
- 使用模拟研究评估了性能,并应用于小鼠乳腺癌模型.
主要成果:
- 在模拟中,ReSort在增强基于参考的解卷方法方面表现得更好.
- 对小鼠乳腺癌模型的应用确定了在上皮克隆内M0和M2巨细胞的丰富.
- 这些发现为表皮细胞-介质细胞过渡和免疫透动态提供了新的见解.
结论:
- ReSort为空间转录学数据的细胞类型解卷提供了一个强大的方法.
- 该方法有效地处理技术变化,提高分析准确性.
- ReSort为复杂的生物过程提供了宝贵的见解,例如瘤微环境的组成和动态.
