在单细胞基因组学中对样本级异质性的深度生成建模

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 系统生物学 系统生物学

背景情况:

• 单细胞基因组研究产生复杂的数据,有可能将表型与细胞组成联系起来.
• 目前的分析通常通过对细胞进行平均计算来简化数据,从而限制了发现.
• 需要先进的分析方法来充分利用单细胞队列数据.

研究的目的:

• 引入多分辨率变异推理 (MrVI),用于单细胞基因组数据分析的深度生成模型.
• 为了应对样本分层和评估细胞/分子差异的挑战,没有预定义的细胞状态.
• 为了使大规模单细胞研究的新发现.

主要方法:

• 开发多分辨率变异推理 (MrVI),一个深度生成模型.
• 应用MrVI来分析来自队列研究的复杂单细胞基因组数据集.
• 使用单细胞视角来避免数据的平均化,并捕获更细微的生物信号.

主要成果:

• 根据微妙的细胞子集差异,MrVI成功地分层了COVID-19和炎症性肠病的队列.
• 该模型确定了与临床相关的分层,这些分层将被传统方法遗漏.
• MrVI证明了能够重新识别小分子组并评估它们对细胞组成和基因表达的影响的能力.

结论:

• 通过提供一个强大的样本分层和差异分析工具,MrVI释放了大规模单细胞基因组研究的潜力.
• 该模型有助于发现以前被忽视的生物学见解,特别是在复杂的疾病中.
• MrVI是一个开源工具,可用于更广泛的科学应用.