Normalization and de-noising of single-cell Hi-C data with BandNorm and scVI-3D.
Normalization and de-noising of single-cell Hi-C data with BandNorm and scVI-3D.
复制标题
DOI：
10.1186/s13059-022-02774-z
复制
发表时间：
2022-10-17
期刊：
影响因子：
12.3
通讯作者：
中科院分区：
文献类型：
--
作者：
单细胞高通量染色质构象捕获方法（scHi - C）能够对长距离基因组相互作用进行分析。然而，这些技术产生的数据容易受到技术噪声和偏差的影响，从而阻碍下游分析。我们开发了一种归一化方法BandNorm以及一个深度生成建模框架scVI - 3D，以解决scHi - C特有的偏差问题。在基准实验中，BandNorm在细胞类型分离、相互作用位点识别以及细胞类型关系恢复方面，以高效利用时间和内存的方式取得了领先的性能，而scVI - 3D在稀有细胞类型以及高稀疏性情景下具有优势。BandNorm与基因相关结构域分析相结合的应用揭示了经单细胞RNA测序（scRNA - seq）验证的亚细胞类型识别。
在线版本包含补充材料，可在10.1186/s13059 - 2022 - 02774 - z获取。
Single-cell high-throughput chromatin conformation capture methodologies (scHi-C) enable profiling of long-range genomic interactions. However, data from these technologies are prone to technical noise and biases that hinder downstream analysis. We develop a normalization approach, BandNorm, and a deep generative modeling framework, scVI-3D, to account for scHi-C specific biases. In benchmarking experiments, BandNorm yields leading performances in a time and memory efficient manner for cell-type separation, identification of interacting loci, and recovery of cell-type relationships, while scVI-3D exhibits advantages for rare cell types and under high sparsity scenarios. Application of BandNorm coupled with gene-associating domain analysis reveals scRNA-seq validated sub-cell type identification. The online version contains supplementary material available at 10.1186/s13059-022-02774-z.
登录
查看更多内容
DOI：
10.1523/jneurosci.6000-09.2010
发表时间：
2010-03-10
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
De Biase LM;Nishiyama A;Bergles DE
通讯作者：
Bergles DE
影响因子：
64.5
作者：
Haarhuis JHI;van der Weide RH;Blomen VA;Yáñez-Cuna JO;Amendola M;van Ruiten MS;Krijger PHL;Teunissen H;Medema RH;van Steensel B;Brummelkamp TR;de Wit E;Rowland BD
通讯作者：
Rowland BD
影响因子：
30.8
作者：
Galan S;Machnik N;Kruse K;Díaz N;Marti-Renom MA;Vaquerizas JM
通讯作者：
Vaquerizas JM
海马 CD39/ENTPD1 通过水解细胞外 ATP 促进小鼠抑郁样行为
影响因子：
7.7
作者：
Cui, Qian-Qian;Hu, Zhuang-Li;Wang, Fang
通讯作者：
Wang, Fang
影响因子：
9.3
作者：
DePaula-Silva, Ana Beatriz;Gorbea, Carlos;Fujinami, Robert S.
通讯作者：
Fujinami, Robert S.