相关实验视频
Updated: Jan 12, 2026
07:27
Transcriptome Analysis of Single Cells
Published on: April 25, 2011
30.5K
在细胞状态层面使用单细胞eQTL数据进行转录组范围的关联研究
Guanghao Qi1, Eardi Lila1, Zhicheng Ji2
1Department of Biostatistics, University of Washington, Seattle, WA 98195, USA.
Cell genomics
|November 4, 2025
概括
我们开发了TWiST,这是一种使用单细胞数据进行基因疾病关联研究的新方法. TWiST通过分析细胞状态来提高功率,揭示了自身免疫性疾病免疫细胞分化中的动态基因效应.
科学领域:
- 遗传学 是一个遗传学.
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 全转录组关联研究 (TWAS) 对于识别与疾病相关的基因至关重要.
- 现有的TWAS方法经常忽视关键的细胞异质性,通过分析批量或伪批量组织.
- 这种局限性阻碍了对复杂生物系统中的基因疾病关系的准确理解.
研究的目的:
- 引入TWiST,这是TWAS的一种新型统计方法,利用单细胞表达量化特征位置 (eQTL) 数据.
- 以更精细的细胞状态分辨率进行基因疾病关联分析,考虑到细胞内类型的异质性.
- 为测试全球,动态和非线性基因表达对特征的影响提供灵活的框架.
主要方法:
- TWiST利用伪时间来建模细胞状态,并将基因表达效应表示为连续的伪时间曲线.
- 该方法集成单细胞eQTL数据以动态评估基因疾病关联.
- 通过全面的模拟研究和真实世界的数据分析来评估统计能力.
主要成果:
- 在模拟中,TWiST与传统的伪体积方法相比,显著提高了统计能力.
- 对OneK1K研究数据集的分析确定了数百个与自身免疫性疾病有动态关联的基因.
- 这些动态效应沿着免疫细胞分化轨迹观察到.
结论:
- 通过结合细胞状态分辨率,TWiST提供了一种强大的方法来剖析基因疾病关联.
- 该方法提高了检测复杂疾病相关的动态和非线性基因效应的能力.
- 对于利用单细胞技术推进疾病的遗传研究,TWiST具有显著的前景.
