对单细胞多式数据集成的系统评估提高了细胞类型的分辨率和复杂组织中临床相关状态的发现

科学领域:

• 单细胞多组组学分析
• 计算生物学是一种计算生物学.
• 基因组学和转录基因组学

背景情况:

• 多式单细胞数据集成对于创建全面的器官参考地图集至关重要.
• 它对诸如脏等复杂组织的影响尚未得到充分探索.
• 这项研究系统地评估使用脏和心脏组织的整合策略.

研究的目的:

• 系统地评估复杂组织的多式单细胞集成策略.
• 开发和验证用于对齐多omics数据的计算工具.
• 为了生成人类皮质的高分辨率参考地图.

主要方法:

• 整合了来自 119,744 个核/细胞的 3' 和 5' scRNA-seq,联合 snRNA-seq 和 snATAC-seq 数据.
• 开发scOMM (单细胞Omics多模式映射) 工具用于数据对齐.
• 系统地评估"水平","垂直"和"全球"的整合战略.

主要成果:

• 水平整合改善了细胞类型的识别;垂直整合提高了在同质和难以识别的细胞状态中的分辨率.
• 全球整合有效地确定了适应性状态和罕见细胞类型,包括WFDC2表达厚升肢和Norn细胞.
• 该研究产生了来自19名捐赠者的皮质的高质量基准数据集.

结论:

• 建立了一个强大的框架,用于生成多式联运参考地图.
• 这些发现提升了单细胞分析方法.
• 该方法适用于生成各种复杂组织的地图.