在单细胞分辨率下通过SCSESES破译拼接异质性

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 文字转录学 (Transcriptomics) 是一个学科.

背景情况:

• 替代拼接 (AS) 对于细胞多样性至关重要.
• 单细胞RNA测序 (scRNA-seq) 被广泛使用,但由于噪音和失学,在准确地表征AS方面面临挑战.
• 现有的方法很难在单细胞水平上完全捕捉拼接变异.

研究的目的:

• 开发一个计算框架,SCSES (单细胞分离估计),以增强scRNA-seq数据中的AS配置文件.
• 在单细胞水平上提高拼接变化表征的准确性.
• 发现通过不同的拼接模式定义的新型细胞子组.

主要方法:

• 开发了基于数据扩散的计算框架SCSES.
• 通过利用来自相似细胞和拼接事件的信息,SCSES推断和归因缺失的拼接事件.
• 通过系统的模拟研究和对各种现实世界scRNA-seq数据集的应用来验证SCSES.

主要成果:

• 在恢复百分比拼接入 (PSI) 值和拼接多样性方面,SCSES在现有算法上表现出卓越的性能.
• 应用SCSES揭示了通过传统的基因表达集群检测不到的显著的拼接异质性.
• 鉴定出独特的细胞子组,其特征是独特的拼接特征.

结论:

• SCSES是一个强大的计算工具,用于准确的单细胞拼接分析.
• 该框架有效地增强了AS概况,使得发现新的生物见解成为可能.
• SCSES是多功能且适用于各种生物环境,物种和测序技术.