Recovering Gene Interactions from Single-Cell Data Using Data Diffusion.
Recovering Gene Interactions from Single-Cell Data Using Data Diffusion.
复制标题
DOI：
10.1016/j.cell.2018.05.061
复制
发表时间：
2018-07-26
期刊：
影响因子：
64.5
通讯作者：
Pe'er D
中科院分区：
文献类型：
--
作者：
van Dijk D;Sharma R;Nainys J;Yim K;Kathail P;Carr AJ;Burdziak C;Moon KR;Chaffer CL;Pattabiraman D;Bierie B;Mazutis L;Wolf G;Krishnaswamy S;Pe'er D
单细胞RNA测序技术受到许多技术噪音来源的影响，包括mRNA分子的采样不足，通常被称为“脱落”，这可能严重模糊重要的基因-基因关系。为了解决这个问题，我们开发了MAGIC（Markov Affinity-based Graph Imputment of Cells），这是一种通过数据扩散在相似细胞之间共享信息的方法，可以对细胞计数矩阵进行降噪并填充缺失的转录本。我们在几个生物系统上验证了MAGIC，并发现它在恢复基因-基因关系和其他结构方面是有效的。MAGIC揭示了一个表型连续体，大多数细胞处于中间状态，显示干细胞样特征，并揭示了已知和以前未表征的调控相互作用，表明我们的方法可以成功地揭示调控关系而不受干扰。一句话总结：基于图形扩散的插补方法恢复了scRNA-seq数据中缺失的转录本，从而深入了解了上皮细胞向间充质细胞的转化。摘要亮点：1. MAGIC使用扩散几何恢复噪声和稀疏的单细胞数据。2.修正后的数据可用于无数的下游分析。3. MAGIC使基因相互作用的原型分析和推理成为可能。4.在MAGIC之后，转录因子目标可以在没有扰动的情况下被预测。简而言之-一种新的算法克服了单细胞测序实验中数据丢失的局限性
Single-cell RNA-sequencing technologies suffer from many sources of technical noise, including under-sampling of mRNA molecules, often termed ‘dropout’, which can severely obscure important gene-gene relationships. To address this, we developed MAGIC (Markov Affinity-based Graph Imputation of Cells), a method that shares information across similar cells, via data diffusion, to denoise the cell count matrix and fill in missing transcripts. We validate MAGIC on several biological systems and find it effective at recovering gene-gene relationships and additional structures. MAGIC reveals a phenotypic continuum, with the majority of cells residing in intermediate states that display stem-like signatures and uncovers known and previously uncharacterized regulatory interactions, demonstrating that our approach can successfully uncover regulatory relations without perturbations. One Sentence Summary: Graph diffusion-based imputation method recovers missing transcripts in scRNA-seq data, yielding insight into the epithelial-to-mesenchymal transition. Abstract highlights: 1. MAGIC restores noisy and sparse single-cell data using diffusion geometry. 2. Corrected data is amenable to myriad downstream analyses. 3. MAGIC enables archetypal analysis and inference of gene interactions. 4. Transcription factor targets can be predicted without perturbation after MAGIC. In brief - A new algorithm overcomes limitations of data loss in single cell sequencing experiments
登录
查看更多内容
DOI：
10.1093/bioinformatics/btr064
发表时间：
2011-04-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Grant CE;Bailey TL;Noble WS
通讯作者：
Noble WS
DOI：
10.1126/science.1247651
发表时间：
2014-02-14
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Jaitin DA;Kenigsberg E;Keren-Shaul H;Elefant N;Paul F;Zaretsky I;Mildner A;Cohen N;Jung S;Tanay A;Amit I
通讯作者：
Amit I
影响因子：
22.7
作者：
Candes, Emmanuel;Recht, Benjamin
通讯作者：
Recht, Benjamin
影响因子：
64.5
作者：
Dixit, Atray;Pamas, Oren;Li, Biyu;Chen, Jenny;Fulco, Charles P.;Jerby-Amon, Livnat;Marjanovic, Nemanja D.;Dionne, Danielle;Burks, Tyler;Raychowdhury, Raktima;Adamson, Britt;Norman, Thomas M.;Lander, Eric S.;Weissman, Jonathan S.;Friedman, Nir;Regev, Aviv
通讯作者：
Regev, Aviv
影响因子：
64.5
作者：
David CJ;Huang YH;Chen M;Su J;Zou Y;Bardeesy N;Iacobuzio-Donahue CA;Massagué J
通讯作者：
Massagué J