用于捕捉转录组数据中的药物反应的缩小方法的基准测试
Yuseong Kwon1, Sojeong Park2, Soyoung Park3
1Department of Pharmacy, College of Pharmacy and Research Institute for Drug Development, Pusan National University, Busan, Republic of Korea.
Scientific reports
|September 1, 2025
概括
尺寸缩小 (DR) 方法有助于转录组数据分析. t-SNE,UMAP,PaCMAP和TRIMAP在区分药物反应方面表现出色,但检测剂量依赖的变化需要进一步改进方法.
科学领域:
- 转录组学
- 药理学
- 生物信息学
背景情况:
- 药物诱导的转录组数据对于了解药物的机制,有效性和副作用至关重要.
- 这些数据的高维度带来了分析挑战.
- 维度减小 (DR) 方法简化了复杂的数据集以进行分析和可视化.
研究的目的:
- 在药物诱导的转录组数据上评估各种DR方法的性能.
- 确定最适合转录基因分析的DR方法,例如区分药物反应和检测剂量依赖的效应.
主要方法:
- 测试了多种DR方法 (t-SNE,UMAP,PaCMAP,TRIMAP,光谱,PHATE等) 在连接地图 (CMap) 数据集上.
- 使用了各种实验条件的数据,包括细胞系,药物,作用机制 (MOA) 和剂量.
- 基于它们保存本地和全球生物结构以及分离不同的生物模式的能力进行评估.
主要成果:
- 在保存生物结构和区分药物反应方面,t-SNE,UMAP,PaCMAP和TRIMAP表现出卓越的性能.
- 这些顶级方法有效地分组了具有相似分子点的药物.
- 大多数DR方法都在与微妙的,剂量依赖的转录组变化作斗争,尽管Spectral,PHATE和t-SNE显示出一些前景.
- 标准参数设置低于最佳,表明需要进行超参数优化.
结论:
- 选择DR方法对于药物诱导的转录组数据的准确分析至关重要.
- 对于分析离散药物反应,t-SNE,UMAP和PaCMAP是有效的.
- 为了准确地捕捉微妙的剂量依赖转录组变化,需要进一步的研究和方法改进.
