一种半监督的贝叶斯方法,从单细胞RNA-seq数据推断标记基因轨迹.
Junchao Wang1, Ling Sun1, Nana Wei2
1School of Mathematics and Statistics, Shandong University at Weihai, Weihai, Shandong 264209, China.
Bioinformatics (Oxford, England)
|August 13, 2025
概括
BayesTraj是一个新的半监督的贝叶斯框架,使用先前的知识准确地重建细胞分化轨迹. 这种方法改进了从单细胞RNA测序数据的伪时间推断和谱系赋值.
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:
- 轨迹推断对于从单细胞转录基因数据了解细胞发育至关重要.
- 现有的不受监督的方法与噪音和稀疏性作斗争,导致不准确的血统分配.
研究的目的:
- 开发一个强大的半监督贝叶斯框架,用于重建细胞分化轨迹.
- 提高单细胞RNA测序数据分析中伪时间推断和谱系分配的准确性.
主要方法:
- 介绍了BayesTraj,这是一个半监督的贝叶斯框架,包含了谱系拓和标记基因表达.
- 模拟细胞分化作为潜在血统与参数基因动态的概率混合.
- 利用哈密尔顿蒙特卡洛 (HMC) 推理伪时代,血统比例和基因参数.
主要成果:
- 与模拟和真实数据集上的最先进方法相比,BayesTraj在伪药时间推断中表现出更高的性能.
- 提供每个细胞的分支分配概率来量化差异化潜力.
- 通过贝叶斯模型比较,启用了基因表达系特异性的检测.
结论:
- BayesTraj为重建细胞分化轨迹提供了一种强大而准确的方法.
- 该框架增强了细胞命运过渡和发育层次结构的分析.
- 贝叶斯Traj有助于更深入地了解细胞分化过程中的基因调节.


