准确估计来自组织的罕见细胞类型分数的OMICS数据通过层次的解构

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:

• 大量转录组学平均细胞间的表达,使细胞类型特定分析复杂化.
• 现有的体解方法与相关的或罕见的细胞类型作斗争.
• 准确估计细胞分数对于解和推断细胞类型特定的差异表达至关重要.

研究的目的:

• 开发一种先进的计算方法,从大量组织数据中估计细胞分数.
• 为了解决当前解方法的局限性,特别是对于具有相关或罕见细胞类型的复杂组织.
• 为了提高细胞类型比例估计的准确性,使用单细胞RNA测序参考和层次结构.

主要方法:

• 建议使用单细胞RNA测序引用进行分层解卷 (HiDecon).
• 开发了一个分层的细胞类型树来模拟细胞类型的相似性和差异化.
• 在层次结构树层中协调细胞分数估计,以共享信息并减少偏差.

主要成果:

• 与模拟和真实数据中的现有方法相比,HiDecon在模拟和真实数据中表现出卓越的性能.
• 该方法准确估计细胞分数,包括罕见细胞类型的细胞分数.
• HiDecon有效地利用等级信息来纠正估计偏差.

结论:

• HiDecon提供了一个强大的,准确的解决方案,用于在批量组织数据中进行细胞解.
• 层次的方法提高了细胞类型比例的估计,特别是对于具有挑战性的细胞类型.
• HiDecon促进了下游分析,例如识别细胞分数与阿尔茨海默氏症等疾病之间的关联.