用嵌入式负二项分布对瘤细胞的稀少数量的RNA测序数据进行解卷
bioRxiv : the preprint server for biology
|December 15, 2025
概括
我们开发了DeMixNB,这是一种新的计算方法,可以在小RNA测序数据中准确估计瘤细胞比例. 这种工具有助于揭示新的癌症生物学,特别是在挑战稀疏计数数据集,如microRNA-seq和空间转录组学.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 癌症研究 癌症研究
背景情况:
- 从混合样本中估计瘤特异性转录比例对于理解癌症生物学至关重要.
- 现有的方法在稀疏计数数据的准确性上扎,例如microRNA-seq和空间转录组学.
- 混合小RNA数据解卷的分析挑战需要新的解决方案.
研究的目的:
- 开发和验证一个强大的解卷模型来估计瘤细胞转录比例.
- 为了解决稀疏计数RNA测序数据当前方法的局限性.
- 为研究癌症RNomes和瘤细胞可塑性提供一种工具.
主要方法:
- 开发了DeMixNB,一个基于半参考的解卷模型.
- 该模型假设负二项式分布的和处理计数数据.
- 创建了一个混合的小RNA基准数据集,以证明分析挑战和验证方法.
主要成果:
- DeMixNB在估计瘤特异性转录比例方面表现出更好的准确性.
- 对乳腺癌微RNA-seq数据的应用揭示了临床见解.
- 对肺癌空间转录组学数据的分析为瘤细胞可塑性提供了机械的见解.
结论:
- DeMixNB是对稀疏计数RNA测序数据的解卷的一个有价值的工具.
- 该方法增强了对癌症RNomes和瘤细胞可塑性的调查.
- DeMixNB为从混合样本中发现新的癌症生物学提供了显著的实用性.
