从单细胞数据中改进了基因调控网络推断,并进行了脱落增强

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 单细胞RNA测序 (scRNA-seq) 数据经常表现出"脱落"事件,其中错过了转录表达,导致零膨胀数据.
• 这种零通货膨胀对下游分析构成了重大挑战,特别是对推断基因调节网络 (GRNs) 的推断.

研究的目的:

• 引入放弃增量 (DA),一种新的规范化方法,以提高scRNA-seq数据对零通胀的弹性.
• 介绍DAZZLE,一个基于自编码器的强大的GRN推理模型,它结合了DA概念以提高稳定性和性能.

主要方法:

• 放弃增量 (DA):一种模型规范化技术,通过合成放弃事件来增强数据,以打击零通胀.
• DAZZLE:一种基于自编码器的稳定结构方程模型,用于GRN推断,利用DA提高稳定性.

主要成果:

• 基准实验表明,DAZZLE在性能和稳定性方面优于现有的GRN推断方法.
• DAZZLE有效地处理了大规模的纵向小鼠微质细胞数据集,处理了超过15,000个基因,进行了最小的预处理.
• 退学增量被证明是解决零通货膨胀问题的一个有价值的方法,超出了简单的归算.

结论:

• DAZZLE提供了一种强大而稳定的解决方案,用于从单细胞RNA测序数据中推断GRN,适用于现实世界的应用.
• 放弃增强是一种有前途的技术,其潜在应用范围超出了单细胞数据分析中的GRN推理.