利用自编码模型和数据增强,在单细胞分析中发现牙角质细胞的转录组多样性
Pradeep Kumar Yadalam1, Prabhu Manickam Natarajan2, Carlos M Ardila3
1Department of Periodontics, Saveetha Institute of Medical and Technical Sciences, Saveetha Dental College and Hospital, Saveetha University, Chennai, 600077, Tamil Nadu, India.
Scientific reports
|July 2, 2025
概括
这项研究使用了先进的计算模型来分析单细胞RNA测序数据从牙角质细胞. 研究结果揭示了不同的细胞类型和基因表达模式,这对于了解牙周病和炎症至关重要.
科学领域:
- 口腔生物学 口腔生物学
- 免疫学 免疫学 免疫学
- 计算生物学是一种计算生物学.
背景情况:
- 牙周炎与60多种全身性疾病有关,需要更深入地了解细胞免疫力.
- 牙周病学中的精准医学需要详细了解牙角质细胞亚群.
研究的目的:
- 通过单细胞RNA测序,探索牙角质细胞内的转录组多样性.
- 为了识别不同的细胞亚群及其基因表达特征在周期性.
主要方法:
- 使用了使用Scanpy.处理的单细胞RNA测序数据 (GSE266897).
- 应用自编码器模型和数据增强用于转录组分析.
- 采用PCA,KNN聚类和差异基因表达分析进行细胞特征.
主要成果:
- 基本的Autoencoder (AE) 模型在模拟RNA-seq数据复杂性方面表现优于其他模型.
- 确定了具有独特基因表达特征的独特的牙角质细胞子群.
- 证明了先进的计算技术在分析细胞转录组学方面的有效性.
结论:
- 牙角质细胞在牙周健康和炎症反应中发挥着积极的作用.
- 这些发现有助于更深入地了解牙周炎的结构性免疫力.
- 突出了精密牙周病理学中先进计算方法的潜力.


