scINSIGHT for interpreting single-cell gene expression from biologically heterogeneous data.
scINSIGHT for interpreting single-cell gene expression from biologically heterogeneous data.
复制标题
DOI：
10.1186/s13059-022-02649-3
复制
发表时间：
2022-03-21
期刊：
影响因子：
12.3
通讯作者：
Li WV
中科院分区：
文献类型：
--
作者：
Qian K;Fu S;Li H;Li WV
越来越多的scRNA-seq数据强调需要综合分析来解释单细胞样本之间的相似性和差异性。虽然已经开发了不同的批次效应去除方法，但没有一种方法适合于来自多种生物条件的异质单细胞样品。我们提出了一种方法，scINSIGHT，以了解在不同生物条件下共同或特定的协调基因表达模式，并识别单细胞样本中的细胞身份和过程。我们将scINSIGHT与最先进的方法进行了比较，使用模拟和真实数据，证明了其改进的性能。我们的结果显示了scINSIGHT在多种生物医学和临床问题中的适用性。在线版本包含补充材料，可在（10.1186/s13059-022-02649-3）获得。
The increasing number of scRNA-seq data emphasizes the need for integrative analysis to interpret similarities and differences between single-cell samples. Although different batch effect removal methods have been developed, none are suitable for heterogeneous single-cell samples coming from multiple biological conditions. We propose a method, scINSIGHT, to learn coordinated gene expression patterns that are common among, or specific to, different biological conditions, and identify cellular identities and processes across single-cell samples. We compare scINSIGHT with state-of-the-art methods using simulated and real data, which demonstrate its improved performance. Our results show the applicability of scINSIGHT in diverse biomedical and clinical problems. The online version contains supplementary material available at (10.1186/s13059-022-02649-3).
登录
查看更多内容
影响因子：
12.8
作者：
Cha J;Lee I
通讯作者：
Lee I
影响因子：
9.3
作者：
Baron M;Veres A;Wolock SL;Faust AL;Gaujoux R;Vetere A;Ryu JH;Wagner BK;Shen-Orr SS;Klein AM;Melton DA;Yanai I
通讯作者：
Yanai I
影响因子：
1.8
作者：
Kim, Jingu;He, Yunlong;Park, Haesun
通讯作者：
Park, Haesun
影响因子：
48
作者：
Barkas, Nikolas;Petukhov, Viktor;Kharchenko, Peter V.
通讯作者：
Kharchenko, Peter V.
影响因子：
48
作者：
Korsunsky, Ilya;Millard, Nghia;Raychaudhuri, Soumya
通讯作者：
Raychaudhuri, Soumya