GPerturb:单细胞扰动数据的高斯过程建模

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:

• 单细胞RNA测序和CRISPR查是分析遗传干扰的强大工具.
• 了解组合扰动效应至关重要,但由于数据稀疏性和复杂的生物机制而受到阻碍.

研究的目的:

• 介绍GPerturb,一个基于高斯过程的稀疏扰动回归模型.
• 估计基因水平扰动效应及其在单细胞分辨率上的不确定性.

主要方法:

• GPerturb使用添加结构来区分信号和噪声.
• 该模型捕捉了离散和连续响应的稀疏和可解释的效应.
• 它提供了对个体基因扰乱效应的不确定性估计.

主要成果:

• 在模拟和现实数据集上,GPerturb表现出与最先进的方法相比具有竞争力的性能.
• 该模型成功地揭示了有意义的基因扰动相互作用.
• 识别的效应与已建立的生物知识相一致.

结论:

• GPerturb为分析复杂的基因表达依赖性和扰动提供了一种新的方法.
• 这种方法促进了对单细胞水平的基因调节的理解.