ScReNI:通过集成scRNA-seq和scATAC-seq数据来推断单细胞监管网络

科学领域:

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

背景情况:

• 基因调节网络 (GRNs) 对细胞功能至关重要,但推断细胞特异性的GRNs仍然具有挑战性.
• 现有的方法难以整合多种单细胞数据类型,如单细胞RNA测序 (scRNA-seq) 和使用测序 (scATAC-seq) 的转化酶可访问染色质的单细胞检测.

研究的目的:

• 开发一种新的算法,ScReNI,用于推断单细胞水平的基因调节网络.
• 为了使配对或不配对的scRNA-seq和scATAC-seq数据能够集成,以实现强大的网络推理.
• 确定细胞特异性调节剂,并增强对单细胞调节机制的理解.

主要方法:

• 开发了ScReNI,这是一种用于单细胞监管网络推断的新算法.
• 利用最近邻近算法来识别邻近的细胞.
• 采用了经过修改的随机森林来推断基因表达和染色质可访问性之间的非线性调节关系.

主要成果:

• 通过整合基因表达和染色体可访问性数据,ScReNI准确地推断出细胞特异性的调节关系.
• 在基于网络的细胞聚类中表现出比现有方法更优异的性能.
• 从细胞特异性网络中成功识别了细胞丰富调节剂.

结论:

• ScReNI提供了一个强大的工具来推断细胞特异性基因调节网络,并识别关键调节者.
• 该算法可以更深入地了解管理单细胞水平上各种生物过程的调节机制.
• ScReNI是公开的,促进单细胞基因组学和计算生物学领域的进一步研究.