相关实验视频
Updated: Jul 30, 2026
10:36
Rare Event Detection Using Error-corrected DNA and RNA Sequencing
Published on: August 3, 2018
12.2K
FedscGen:维护隐私的联合批量效应纠正单细胞RNA测序数据
Mohammad Bakhtiari1, Stefan Bonn2,3,4,5, Fabian Theis6,7,8
1Institute for Computational Systems Biology, University of Hamburg, Hamburg, Germany. mohammad.bakhtiari@uni-hamburg.de.
Genome biology
|July 22, 2025
概括
FedscGen提供了一种保护隐私的方法,用于纠正单细胞RNA测序数据中的批量效应. 这种联合方法确保了安全的数据共享和协作,以改善分析.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 来自临床样本的单细胞RNA测序 (scRNA-seq) 数据经常表现出批量效应,使数据集成和分析复杂化.
- 基因组隐私问题显著限制了共享有价值的临床scRNA-seq数据集.
- 现有的批量效应校正方法可能无法充分解决敏感临床数据的隐私要求.
研究的目的:
- 开发一种保护隐私,通信效率高的联合方法,用于scRNA-seq数据中的批量效应校正.
- 为了实现安全的协作和数据共享,用于scRNA-seq分析,同时减轻批量效应.
- 将新研究纳入现有的联合学习框架,以进行强大的批量效应校正.
主要方法:
- FedscGen是一个基于scGen模型构建的联合学习框架,包含安全的多方计算以增强隐私.
- 在FedscGen框架内实施联合培训和批量效应校正工作流.
- 将FedscGen与使用各种scRNA-seq数据集,包括人类胰腺数据集的现有方法进行比较.
主要成果:
- 在批量效应校正方面,FedscGen表现出具有竞争力的性能,在NMI,GC,ILF1,ASW_C,kBET和EBM等关键指标上与scGen模型相匹配.
- 该方法成功支持联合培训和新数据集的集成,证明了其多功能性.
- 跨不同数据集的验证证实了FedscGen.的有效性和稳定性.
结论:
- FedscGen提供了一种安全有效的解决方案,用于解决临床scRNA-seq数据中的批量效应.
- FedscGen的隐私保护性质促进了现实世界的协作和数据共享,克服了基因组隐私障碍.
- 作为一个FeatureCloud应用程序,FedscGen是容易访问的安全,协作 scRNA-seq批量效应校正.
