scFPC-DE:通过功能性主要组件分析沿单细胞轨迹进行强大的差异表达分析
Ricardo J López Candelaria1, Yu Qian2, Fang Chen3
1Department of Biostatistics and Computational Biology, University of Rochester, Rochester, NY 14642, USA.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
我们开发了scFPC-DE,这是一种分析单细胞RNA测序数据中的基因表达变化的新方法. 它通过计算基因表达模式和减少假阳性来提高准确性,从而导致更具生物相关性的发现.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 对于理解细胞发育动态至关重要.
- 识别暂时差异表达基因 (TDEGs) 有助于表征动态细胞状态.
- 现有的方法与零通货膨胀作斗争,并忽视基因共同变异,导致不准确.
研究的目的:
- 引入scFPC-DE,一种基于轨迹的新微分表达式分析方法.
- 解决现有方法的局限性,特别是scRNA-seq数据中零通胀的错误阳性.
- 为了提高TDEG识别的功率和可解释性.
主要方法:
- scFPC-DE使用功能数据分析 (FDA) 来建模基因表达作为假名时间的函数.
- 它使用功能主要成分 (FPC) 分析来捕获基因表达共变性结构.
- 该方法减轻了scRNA-seq数据固有的零通胀的影响.
主要成果:
- 在模拟中,scFPC-DE证明了对I型错误的优越控制和更高的ROC-AUC.
- 该方法有效地捕捉了信息性的基因表达模式和沿轨迹共享的变异.
- 对B细胞数据的应用确定了与分化途径相关的TDEG,其性能优于现有方法.
结论:
- scFPC-DE提供了一种强大的方法,用于从scRNA-seq数据中识别TDEG.
- 该方法准确地捕捉了时间基因表达动态,并减少了假阳性.
- scFPC-DE在细胞发育研究中提高了生物解释性.


