Computational deconvolution: extracting cell type-specific information from heterogeneous samples.
Computational deconvolution: extracting cell type-specific information from heterogeneous samples.
复制标题
DOI：
10.1016/j.coi.2013.09.015
复制
发表时间：
2013-10
影响因子：
7
通讯作者：
Gaujoux R
中科院分区：
文献类型：
--
作者：
Shen-Orr SS;Gaujoux R
免疫系统的量子单位是细胞；然而，被分析的样本通常是关于细胞子集的异质性，这可能会误导结果解释。在实验上，研究人员面临着一个艰难的选择：是分析具有随之而来的混杂效应的异质样本，还是先验地专注于几个感兴趣的细胞子集，这可能会限制新的发现。一种有吸引力的替代解决方案是通过计算去卷积技术直接从不同的样本中提取小区子集特定的信息，从而同时捕获以小区为中心的和整个系统级的上下文。这种方法能够解开新的生物学，否则是无法检测到的。在这里，我们回顾了现有的去卷积技术的现状，它们的优点和局限性，重点放在血液表达数据和免疫学研究总体上。
The quanta unit of the immune system is the cell; yet analyzed samples are often heterogeneous with respect to cell subsets which can mislead result interpretation. Experimentally, researchers face a difficult choice whether to profile heterogeneous samples with the ensuing confounding effects, or a priori focus on a few cell subsets of interest, potentially limiting new discoveries. An attractive alternative solution is to extract cell subset-specific information directly from heterogeneous samples via computational deconvolution techniques, thereby capturing both cell-centered and whole system level context. Such approaches are capable of unraveling novel biology, undetectable otherwise. Here we review the present state of available deconvolution techniques, their advantages and limitations, with a focus on blood expression data and immunological studies in general.
登录
查看更多内容
影响因子：
5.8
作者：
Liberzon, Arthur;Subramanian, Aravind;Mesirov, Jill P.
通讯作者：
Mesirov, Jill P.
血液基因组研究的细胞子集预测。
影响因子：
3
作者：
Bolen CR;Uduman M;Kleinstein SH
通讯作者：
Kleinstein SH
影响因子：
46.9
作者：
通讯作者：
--
影响因子：
3
作者：
Repsilber D;Kern S;Telaar A;Walzl G;Black GF;Selbig J;Parida SK;Kaufmann SH;Jacobsen M
通讯作者：
Jacobsen M
影响因子：
4.5
作者：
Liu, Weixiang;Yuan, Kehong;Ye, Datian
通讯作者：
Ye, Datian