.png){kind=icon}
返回
Integrating single- cell data with biological variables
.png){kind=icon}
OA
AI
DOI：10.1073/pnas.2416516122.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
构建单细胞图谱需要保留可归因于生物变量的差异，例如细胞类型、组织来源和疾病状态，同时消除批次效应。然而，现有方法在显式建模这些生物变量方面存在不足。在此，我们介绍SIGNAL，一个利用生物变量来解耦生物学和技术效应的通用框架，从而将这些元数据与数据整合联系起来。SIGNAL采用一种主成分分析变体来对齐多个批次，能够在约2分钟内实现对100万个细胞的整合。尽管SIGNAL的计算方法简单，但在多种整合场景中均超越了现有最佳方法：1) 异质数据集，2) 跨物种数据集，3) 模拟数据集，4) 低质量细胞注释的整合，以及5) 基于参考的整合。此外，我们证明SIGNAL能够准确地将知识从参考数据集转移到查询数据集。值得注意的是，我们提出了一种自调整策略，以恢复整合过程中可能被扭曲的细胞注释标签。最后，我们将SIGNAL应用于多个大规模图谱，包括一个包含270万个细胞的人类心脏细胞图谱，识别出组织特异性和发育阶段特异性的亚型，以及条件特异性的细胞状态。这凸显了SIGNAL在多尺度分析中的卓越能力。
Keyword:
single-cell data
data integration
knowledge transfer
technical variation
principal component analysis
期刊
P
IF:
9.1
论文数:
10.8W
被引数:
73.5W
机构
暂无机构信息
引用论文
Accurate integration of multiple heterogeneous single-cell RNA-seq data sets by learning contrastive biological variation.png)
GENOME RESEARCHOAAI
GENOME RESEARCHIF5.5
OAAI分享收藏From Louvain to Leiden: guaranteeing well-connected communities从鲁汶到莱顿: 保证良好连接的社区SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏The emergent landscape of the mouse gut endoderm at single-cell resolution单细胞分辨率下小鼠肠道内胚层的新兴景观NatureOAAI
NatureIF0
OAAI分享收藏Comparative single-cell transcriptomic analysis of primate brains highlights human-specific regulatory evolution灵长类动物大脑的比较单细胞转录组分析突出了人类特异性调控进化OAAI
OAAI分享收藏Exploring patterns enriched in a dataset with contrastive principal component analysis通过对比主成分分析探索丰富数据集中的模式NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容