在单细胞RNA测序数据中优化免疫细胞类型名称的检测和推断
Janyerkye Tulyeu1, David Priest2, James B Wing1,2,3
1Human Immunology Team, Center for Infectious Disease Education and Research, Osaka University, Suita, Japan.
Journal of immunology (Baltimore, Md. : 1950)
|August 21, 2025
概括
由于基因脱落,在单细胞RNA测序 (scRNA-seq) 中准确识别免疫细胞具有挑战性. 通过整合专家知识和机器学习来精确地分配细胞类型,scODIN工具克服了这一问题.
科学领域:
- 免疫学
- 生物信息学
- 计算生物学
背景情况:
- 准确的免疫细胞子集识别对于研究癌症和自身免疫性疾病至关重要.
- 单细胞RNA测序 (scRNA-seq) 数据分析面临基因脱落的挑战,阻碍了罕见细胞类型的识别.
研究的目的:
- 开发一种优化的方法来检测和推断scRNA-seq数据中的免疫细胞身份.
- 在scRNA-seq分析中解决基因脱落事件的局限性.
- 增强对免疫细胞异质性和调节的理解.
主要方法:
- 开发了scODIN (scRNA-seq数据中名称的优化检测和推断),这是一个结合专家知识和机器学习的两步方法.
- 使用关键血统定义标记来识别核心细胞类型.
- 整合了一个k-最近的邻居算法来弥补基因脱落事件.
主要成果:
- scODIN能够快速地为大型scRNA-seq数据集赋予细胞类型的身份.
- 这种方法成功地弥补了基因脱落,改善了罕见的免疫细胞子集的检测.
- scODIN 识别了常规分析中经常错过的双细胞和过渡细胞表型.
结论:
- 在scRNA-seq数据中,scODIN提供了一个可靠的解决方案来准确识别免疫细胞子集.
- 这种工具增强了免疫细胞异质性和调节的综合分析.
- 这些发现对免疫学研究和个性化医学的进步有着广泛的影响.


