返回
Statistical inference for cell type deconvolution
DOI:10.1093/jrsssb/qkag054.png)
摘要
En 中文
整合来自不同测量平台的不同类型数据集给统计推断带来了根本性挑战。一个重要例子是细胞类型解卷积,其中通过来自不同来源的参考单细胞数据估计批量RNA-seq数据中的细胞类型比例,导致平台特异性的缩放效应、测量噪声和生物异质性。现有方法通常将估计的比例视为下游分析中的观测值,在比较多个个体时可能损害其有效性。我们引入了测量误差调整的解卷积方法,这是一种用于解卷积中估计和推断的统计框架,其中设计矩阵采用外部近似方法。我们建立了在任意基因特异性的跨平台缩放差异下识别性的必要充分条件,并开发了针对个体水平比例和跨个体比较的有效推断程序,考虑了基因-基因相关性和共享估计不确定性。模拟和真实数据分析表明该方法具有竞争性的估计精度和可靠的统计推断能力。
Keyword:
error-in-variable models
single-cell sequencing
transfer learning
期刊
J
IF:
3.6
论文数:
1.5K
被引数:
3.2W
机构
引用论文
U1 snRNP regulates cancer cell migration and invasion in vitroU1 snRNP体外调控癌细胞迁移和侵袭
NATURE COMMUNICATIONS
IF15.7
Double-slit photoelectron interference in strong-field ionization of the neon dimer氖二聚体强场电离中的双缝光电子干扰
NATURE COMMUNICATIONS
IF15.7
Single-Cell Transcriptome Profiling of Human Pancreatic Islets in Health and Type 2 Diabetes健康和2型糖尿病中人胰岛的单细胞转录组图谱
CELL METABOLISM
IF30.9
Deep learning-based cell composition analysis from tissue expression profiles基于深度学习的组织表达谱细胞成分分析
SCIENCE ADVANCES
IF12.5
Likelihood-based deconvolution of bulk gene expression data using single-cell references
GENOME RESEARCH
IF5.5
Fast model-based estimation of ancestry in unrelated individuals基于模型的无关个体祖先的快速估计
GENOME RESEARCH
IF5.5

