mcRigor:一种统计方法,用于在单细胞数据分析中提高元细胞分裂的严谨性

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:

• 单细胞数据分析通常将细胞聚合成元细胞,以解决稀疏性问题.
• 现有的元细胞分区方法可能会聚合异质细胞,导致偏差分析和错误发现.

研究的目的:

• 介绍mcRigor,一种用于检测和去除由异质细胞组成的可疑元细胞的统计方法.
• 优化元细胞分区方法的超参数,以确保可靠的下游分析.
• 对特定数据集进行基准测试并选择最适合的元细胞分区方法.

主要方法:

• 开发了一个基于特征相关性的统计数据来测量元细胞异质性.
• 使用双重排列方案来导出统计数据的零分布.
• 集成的mcRigor作为现有的元细胞分区算法的优化器.

主要成果:

• mcRigor成功检测到可疑的元细胞,提高了单细胞RNA-seq和多原子数据的发现可靠性.
• 证明了差异性基因共同表达模块,增强剂-基因关联和基因时间表达的改进识别.
• 发现MetaCell和SEACells的性能优于MetaCell2和SuperCell,尽管运行时间较长.

结论:

• mcRigor通过确保元细胞同质性来提高单细胞数据分析的可靠性.
• 为基准测试和选择最佳的元细胞分区策略提供了一个框架.
• 从复杂的单细胞数据集提供更准确的生物见解.