返回
LDADW: An Algorithm for Integrating Single-Cell and Spatial Transcriptomic Data Based on the Topic Model
DOI:10.1007/978-981-95-0698-9_18.png)
摘要
En 中文
单细胞RNA测序和空间转录组学(ST)为探索癌症发展、诊断和治疗机制提供了新的视角。然而,由于单细胞和空间转录组数据的极度稀疏性,从单细胞数据中提取空间转录组数据中每个点的细胞类型组成信息仍然是一个挑战。为解决此问题,本研究提出了一种基于潜在狄利克雷分配(LDA)主题模型和阻尼加权最小二乘法的整合分析方法LDADW。通过使用LDA挖掘单细胞数据中的细胞功能主题,构建了主题-基因特征矩阵。结合阻尼加权最小二乘法解卷积技术,分析了空间位点的细胞组成。该方法显著优于当前的RCTD、Seurat、Spotlight和Tangram模型。在模拟的小鼠胰腺数据集上验证,LDADW的召回率达到94%,准确率达到80%。它有效揭示了肿瘤的空间异质性,并为多组学整合提供了新工具。
Keyword:
Single-cell transcriptome
Spatial transcriptome
LDA topic model
Damped weighted least squares
Spatial heterogeneity of tumors
期刊
B
IF:
0
论文数:
25
被引数:
0
机构
引用论文
Integrating single-cell transcriptomic data across different conditions, technologies, and species跨不同条件、技术和物种整合单细胞转录组数据
NATURE BIOTECHNOLOGY
IF41.7
Statistical analysis of spatial expression patterns for spatially resolved transcriptomic studies空间解析转录组学研究的空间表达模式的统计分析
NATURE METHODS
IF32.1
Sequencing individual genomes with recurrent genomic disorder deletions: an approach to characterize genes for autosomal recessive rare disease traits
GENOME MEDICINE
IF11.2
Masked conditional diffusion model with GNN for spatial transcriptomics data imputation基于图神经网络的掩码条件扩散模型用于空间转录组学数据插补
Anomalous collapses of Nares Strait ice arches leads to enhanced export of Arctic sea ice纳雷斯海峡冰拱的异常坍塌导致北极海冰的出口增加
NATURE COMMUNICATIONS
IF15.7

