TedSim: temporal dynamics simulation of single-cell RNA sequencing data and cell division history.
TedSim: temporal dynamics simulation of single-cell RNA sequencing data and cell division history.
复制标题
DOI：
10.1093/nar/gkac235
复制
发表时间：
2022-05-06
影响因子：
14.9
通讯作者：
Zhang, Xiuwei
中科院分区：
文献类型：
--
作者：
Pan, Xinhai;Li, Hechen;Zhang, Xiuwei
最近，使用CRISPR/Cas9基因组编辑的谱系追踪技术实现了基因表达和谱系条形码的同时读出，这允许重建细胞分裂树，并使重建祖先细胞类型和追踪每种细胞类型的起源成为可能。同时，轨迹推断方法被广泛用于使用当前细胞的基因表达数据来推断动态过程中的细胞轨迹和伪时间。在这里，我们提出了TedSim（单细胞时间动态模拟器），它模拟从根细胞到现今细胞的细胞分裂事件，同时为每个单细胞生成两种数据模式：谱系条形码和基因表达数据。TedSim是一个连接两个问题的框架：血统追踪和轨迹推断。使用TedSim，我们进行了分析，以表明（i）TedSim生成真实的基因表达和条形码数据，以及这两种数据模式之间的真实关系;（ii）轨迹推断方法可以恢复具有平衡细胞类型组成的潜在细胞状态转换机制;以及（iii）与仅使用一种类型相比，整合基因表达和条形码数据可以提供对细胞分化中的时间动力学的更多见解。但是，需要开发更好的整合方法。
Recently, lineage tracing technology using CRISPR/Cas9 genome editing has enabled simultaneous readouts of gene expressions and lineage barcodes, which allows for the reconstruction of the cell division tree and makes it possible to reconstruct ancestral cell types and trace the origin of each cell type. Meanwhile, trajectory inference methods are widely used to infer cell trajectories and pseudotime in a dynamic process using gene expression data of present-day cells. Here, we present TedSim (single-cell temporal dynamics simulator), which simulates the cell division events from the root cell to present-day cells, simultaneously generating two data modalities for each single cell: the lineage barcode and gene expression data. TedSim is a framework that connects the two problems: lineage tracing and trajectory inference. Using TedSim, we conducted analysis to show that (i) TedSim generates realistic gene expression and barcode data, as well as realistic relationships between these two data modalities; (ii) trajectory inference methods can recover the underlying cell state transition mechanism with balanced cell type compositions; and (iii) integrating gene expression and barcode data can provide more insights into the temporal dynamics in cell differentiation compared to using only one type of data, but better integration methods need to be developed.
登录
查看更多内容
影响因子：
64.8
作者：
Cao, Junyue;Spielmann, Malte;Shendure, Jay
通讯作者：
Shendure, Jay
影响因子：
64.8
作者：
Morrison, Sean J.;Kimble, Judith
通讯作者：
Kimble, Judith
影响因子：
5.8
作者：
Angerer, Philipp;Haghverdi, Laleh;Buettner, Florian
通讯作者：
Buettner, Florian
影响因子：
46.9
作者：
Raj B;Wagner DE;McKenna A;Pandey S;Klein AM;Shendure J;Gagnon JA;Schier AF
通讯作者：
Schier AF
DOI：
10.1126/science.1216379
发表时间：
2012-04-13
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Munsky B;Neuert G;van Oudenaarden A
通讯作者：
van Oudenaarden A