DrivAER: Identification of driving transcriptional programs in single-cell RNA sequencing data.
DrivAER: Identification of driving transcriptional programs in single-cell RNA sequencing data.
复制标题
DOI：
10.1093/gigascience/giaa122
复制
发表时间：
2020-12-10
期刊：
影响因子：
9.2
通讯作者：
Zhao Z
中科院分区：
文献类型：
--
作者：
Simon LM;Yan F;Zhao Z
单细胞RNA测序（scRNA-seq）将复杂的转录组学数据集展开为详细的细胞图谱。尽管最近取得了成功，但迫切需要针对这些细胞图的功能解释量身定制的专门方法。在这里，我们提出了DrivAER，这是一种机器学习方法，用于使用基于自动编码器的相关性评分来识别驱动转录程序。DrivAER根据与用户指定的结果（如伪时间顺序或疾病状态）的相关性对注释的基因集进行评分。DrivAER使用自动编码器迭代地评估每个基因集的信息内容。我们对我们的方法进行了广泛的模拟分析，并与现有的scRNA-seq数据功能解释方法进行了比较。此外，我们证明了DrivAER从scRNA-seq数据中提取了调节复杂生物过程的关键途径和转录因子。通过量化与特定结果变量相关的注释基因集，DrivAER极大地增强了我们理解潜在分子机制的能力。
Single-cell RNA sequencing (scRNA-seq) unfolds complex transcriptomic datasets into detailed cellular maps. Despite recent success, there is a pressing need for specialized methods tailored towards the functional interpretation of these cellular maps. Here, we present DrivAER, a machine learning approach for the identification of driving transcriptional programs using autoencoder-based relevance scores. DrivAER scores annotated gene sets on the basis of their relevance to user-specified outcomes such as pseudotemporal ordering or disease status. DrivAER iteratively evaluates the information content of each gene set with respect to the outcome variable using autoencoders. We benchmark our method using extensive simulation analysis as well as comparison to existing methods for functional interpretation of scRNA-seq data. Furthermore, we demonstrate that DrivAER extracts key pathways and transcription factors that regulate complex biological processes from scRNA-seq data. By quantifying the relevance of annotated gene sets with respect to specified outcome variables, DrivAER greatly enhances our ability to understand the underlying molecular mechanisms.
登录
查看更多内容
TransFac及其模块移植：真核生物中的转录基因调节。
影响因子：
14.9
作者：
Matys V;Kel-Margoulis OV;Fricke E;Liebich I;Land S;Barre-Dirrie A;Reuter I;Chekmenev D;Krull M;Hornischer K;Voss N;Stegmaier P;Lewicki-Potapov B;Saxel H;Kel AE;Wingender E
通讯作者：
Wingender E
影响因子：
12.3
作者：
Buettner F;Pratanwanich N;McCarthy DJ;Marioni JC;Stegle O
通讯作者：
Stegle O
影响因子：
14.9
作者：
Han H;Cho JW;Lee S;Yun A;Kim H;Bae D;Yang S;Kim CY;Lee M;Kim E;Lee S;Kang B;Jeong D;Kim Y;Jeon HN;Jung H;Nam S;Chung M;Kim JH;Lee I
通讯作者：
Lee I
影响因子：
3
作者：
Geddes, Thomas A.;Kim, Taiyun;Yang, Pengyi
通讯作者：
Yang, Pengyi
影响因子：
48
作者：
Lopez R;Regier J;Cole MB;Jordan MI;Yosef N
通讯作者：
Yosef N