D3Impute:对于scRNA-seq数据的脱落感知歧视,分布感知建模和密度指导赋值.
Siyi Huang1, Linfeng Jiang2, Ming Yi1
1School of Mathematics and Physics, China University of Geosciences, Wuhan, Hubei, China.
PLoS computational biology
|December 1, 2025
概括
D3Impute通过准确区分技术零和生物零来增强单细胞RNA测序 (scRNA-seq) 分析. 这种计算框架改善了下游分析,如细胞聚类和基因表达检测.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 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) 揭示了细胞异质性,但受到技术"零"的挑战,掩盖了真正的基因表达.
- 区分技术"零"和生物"零"对于scRNA-seq分析中准确的数据解释至关重要.
- 当前的计算方法难以可靠地区分这些零类型,可能会扭曲生物信号.
研究的目的:
- 引入D3Impute,一个新的歧视性归算框架,旨在解决scRNA-seq数据中非生物零的挑战.
- 通过准确识别和处理技术零测量来提高scRNA-seq数据分析的准确性.
- 为计算生物学中零膨胀数据提供强大且面向用户的解决方案.
主要方法:
- 开发了D3Impute,一个包含分布意识规范化的框架,一个使用大量RNA-seq数据的双网络区分器,以及密度引导的归算引擎.
- 双网络区分器利用大量RNA-seq作为参考来识别非生物零点,同时保留生物零点.
- 归算引擎在保持细胞邻里结构的同时恢复表达值.
主要成果:
- 在6个不同的scRNA-seq数据集中,D3Impute对12种最先进的方法进行了显著改进.
- 该框架持续增强下游分析,包括细胞聚类,轨迹推断和差异表达检测.
- 评估证实了D3Impute在不同数据质量的稳定性,并提供了最佳应用的指导方针.
结论:
- D3Impute提供了一个强大的,生物知情的解决方案,用于处理scRNA-seq数据中的非生物零.
- 该框架显著提高了scRNA-seq数据分析的准确性和可靠性.
- 在计算生物学中,D3Impute提供了一种可通用的方法来管理零膨胀数据.
