Anti-bias training for (sc)RNA-seq: experimental and computational approaches to improve precision.
Anti-bias training for (sc)RNA-seq: experimental and computational approaches to improve precision.
复制标题
DOI：
10.1093/bib/bbab148
复制
发表时间：
2021-11-05
影响因子：
9.5
通讯作者：
Hebenstreit D
中科院分区：
文献类型：
--
作者：
Davies P;Jones M;Liu J;Hebenstreit D
RNA-seq，包括单细胞RNA-seq（scRNA-seq），受到灵敏度不足和缺乏精确度的困扰。因此，（SC）RNA-seq的全部潜力是有限的。这方面的主要因素是在大多数数据集中存在全局偏差，这会以长度依赖的方式影响RNA的检测和定量。特别是scRNA-seq受到技术噪音和高脱落率的影响，其中绝大多数原始转录本没有转化为测序读数。我们讨论了这些偏见的起源和影响，生物信息学方法来纠正他们，以及如何利用偏见来推断样品制备过程的特点，这反过来又可以用来改善库的准备。
RNA-seq, including single cell RNA-seq (scRNA-seq), is plagued by insufficient sensitivity and lack of precision. As a result, the full potential of (sc)RNA-seq is limited. Major factors in this respect are the presence of global bias in most datasets, which affects detection and quantitation of RNA in a length-dependent fashion. In particular, scRNA-seq is affected by technical noise and a high rate of dropouts, where the vast majority of original transcripts is not converted into sequencing reads. We discuss these biases origins and implications, bioinformatics approaches to correct for them, and how biases can be exploited to infer characteristics of the sample preparation process, which in turn can be used to improve library preparation.
登录
查看更多内容
影响因子：
14.9
作者：
Chen L;Zheng S
通讯作者：
Zheng S
影响因子：
6.1
作者：
Chen TN;Gupta A;Zalavadia MD;Streets A
通讯作者：
Streets A
影响因子：
3
作者：
Finotello F;Lavezzo E;Bianco L;Barzon L;Mazzon P;Fontana P;Toppo S;Di Camillo B
通讯作者：
Di Camillo B
影响因子：
64.8
作者：
Eng, Chee-Huat Linus;Lawson, Michael;Cai, Long
通讯作者：
Cai, Long
影响因子：
4
作者：
Baran-Gale J;Chandra T;Kirschner K
通讯作者：
Kirschner K