估计来自组织和血液的细胞参考矩阵对解构大量转录组数据集的影响
Siqi Sun1, Shweta Yadav1, Mulini Pingili1
1Genomics Research Center, AbbVie, 200 Sidney Street, Cambridge, MA 02139, United States.
Computational and structural biotechnology journal
|August 18, 2025
概括
组织衍生的细胞参考矩阵 (CRM) 与血液衍生的CRM相比,提高了大量组织转录组中的细胞解卷精度. 这对于免疫学和瘤学研究至关重要,尤其是在分析复杂的细胞组成时.
科学领域:
- 计算生物学 计算生物学
- 文字转录学 (Transcriptomics) 是一个学科.
- 免疫学 免疫学 免疫学
背景情况:
- 细胞解体分析混合细胞种群在大量的转录基因数据.
- 细胞参考矩阵 (CRM) 的来源对于解卷是关键的,但研究不足.
- 现有的CRM通常来自血液,这可能会限制组织特异性分析.
研究的目的:
- 系统地评估组织与血液衍生CRM对细胞解精度的影响.
- 使用炎症性肠病 (IBD) scRNA-seq数据开发和基准测试新的组织和血液衍生CRMs.
- 评估IBD和肺腺癌 (LUAD) 数据集中的CRM性能.
主要方法:
- 从IBD scRNA-seq数据开发了定制的组织和血液衍生CRM.
- 与公开的CRM相比,对定制的CRM进行了比较 (IRIS,LM22,ImmunoStates).
- 使用公开的批量转录数据集,模拟样本和通过适合性和细胞分数相关联的LUAD数据评估了解卷性能.
主要成果:
- 组织衍生的CRMs在大量组织转录组解卷方面显著优于血液衍生的CRMs.
- 组织衍生CRM显示出更高的适合性和更准确的细胞比例估计,特别是在免疫和结构细胞.
- 在解卷大量血液转录组学时,性能差异减少;在LUAD数据集中观察到类似的趋势.
结论:
- 选择合适的CRMs对于大量组织样本中精确的细胞解至关重要.
- 组织衍生CRM在免疫学和瘤学等领域分析组织特异性的细胞组成方面优越.
- R包DeconvRef可以为更广泛的研究应用程序创建用户定义的CRM.
