从单细胞数据中进行转录爆发的动力参数的可扩展推断和识别能力

科学领域:

• 定量生物学的定量生物学.
• 计算生物学是一种计算生物学.
• 系统生物学 系统生物学

背景情况:

• 随机基因表达和细胞间异质性是关键的研究领域,由单细胞技术驱动.
• 定量生物物理建模,特别是随机生化运动模型,越来越多地用于研究这些现象.
• 从高通量单细胞测序数据中推断这些模型的动力参数,带来了重大的计算挑战.

研究的目的:

• 开发一个计算管道,从单细胞RNA测序 (scRNA-seq) 数据推断静态基因表达模型的动力参数.
• 分析模型参数的可识别性,无论是在理论上还是在真实数据的背景下.
• 量化参数推断中的不确定性来源,区分实验噪声和模型结构.

主要方法:

• 开发了一个基于化学主方程模型参考库的计算管道.
• 利用随机电报模型来描述杂的mRNA分布.
• 通过从人口快照数据中调整稳定状态分布来推断动力学参数.
• 进行了先验和后期的参数识别分析.

主要成果:

• 该管道有效地推断动力参数,并从scRNA-seq数据中分析可识别性.
• 确定电报模型的大多数参数空间实际上是无法识别的.
• 证明低的实验捕获率显著恶化了参数的识别能力.
• 从实验噪声和模型结构中解脱不确定性贡献.

结论:

• 开发的管道为在随机基因表达模型中的参数推断和可识别性分析提供了一个有效的框架.
• 参数识别性是使用scRNA-seq数据的电报模型的一个关键问题,对模型解释有重大影响.
• 该方法框架可以扩展到其他数据类型和生化网络模型.