.png){kind=icon}
返回
A comprehensive comparison on cell-type composition inference for spatial transcriptomics data
.png){kind=icon}
OA
AI
DOI：10.1093/bib/bbac245.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间转录组学 (ST) 技术允许研究人员检查转录谱以及保持的位置信息。完整组织样品的这种空间分辨的转录表征提供了基因表达在其自然空间和功能背景下的综合视图。然而，基于高通量测序的ST技术还不能达到单细胞分辨率。因此，与大量rna-seq数据相似，ST点水平的基因表达数据反映了多个细胞的转录谱，并需要推断每个ST点内的细胞类型组成，以进行有效而有力的后续分析。意识到细胞类型分解的关键重要性，多个小组开发了ST反卷积方法。这项工作的目的是回顾ST反卷积的最新方法，比较它们的优缺点。特别是，我们从单细胞水平ST数据构建ST点，以评估10种方法的性能，具有理想参考或非理想参考。此外，我们通过比较估计的细胞类型比例与仔细匹配的单细胞ST数据，检查了这些方法在斑点和珠子水平ST数据上的性能。在比较各种组织和技术平台上的性能时，我们得出结论，RCTD和stereoscope可以实现更强大，更准确的推断。
Keyword:
spatial transcriptomics
single-cell
cell-type deconvolution
deep learning
probabilistic modeling
期刊
IF:
7.7
论文数:
5.8K
被引数:
2.7W
机构
引用论文
Spatial organization of the somatosensory cortex revealed by osmFISHosmFISH揭示的体感皮层的空间组织.png)
NATURE METHODS
NATURE METHODSIF32.1
PREAI
分享收藏DSTG: deconvoluting spatial transcriptomics data through graph-based artificial intelligenceDSTG: 通过基于图形的人工智能对空间转录组数据进行反卷积
OAAI
OAAI分享收藏分享收藏Cell2location maps fine-grained cell types in spatial transcriptomicsCell2location在空间转录组学中映射细粒度的细胞类型NATURE BIOTECHNOLOGY
NATURE BIOTECHNOLOGYIF41.7
PREAI
分享收藏Accurate estimation of cell-type composition from gene expression data从基因表达数据准确估计细胞类型组成NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Binding of a 4-Methyl-4-Aza-Steroid to 5α-Reductase of Rat Liver and Prostate Microsomes4-甲基-4-氮杂-类固醇与大鼠肝脏和前列腺微粒体的5 α-还原酶的结合
PREAI
分享收藏Spatial deconvolution of HER2-positive breast cancer delineates tumor-associated cell type interactionsNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Squidpy: a scalable framework for spatial omics analysisSquidpy: 一个可扩展的空间组学分析框架NATURE METHODSOAAI
NATURE METHODSIF32.1
OAAI分享收藏
查看更多内容