Discovery of rare cells from voluminous single cell expression data.
Discovery of rare cells from voluminous single cell expression data.
复制标题
DOI：
10.1038/s41467-018-07234-6
复制
发表时间：
2018-11-09
影响因子：
16.6
通讯作者：
Sengupta D
中科院分区：
文献类型：
--
作者：
Jindal A;Gupta P;Jayadeva;Sengupta D
单细胞信使RNA测序(scRNA-seq)为了解复杂组织的转录情况提供了一个窗口。最近推出的基于液滴的转录分离平台使数千个细胞的并行筛选成为可能。大规模的单细胞转录组是有利的，因为它有望发现一些稀有细胞亚群。随着样本大小增长到数万个数量级，现有的寻找稀有细胞的算法速度慢得令人无法忍受，甚至终止。我们提出了稀有实体发现者(FIRE)，这是一种算法，它在几秒钟内为研究中的每个单独的表达模式分配稀有性分数。我们演示了FIRE评分如何帮助生物信息学家将下游分析仅集中在超大scRNA-seq数据中的一小部分表达谱上。当应用于小鼠脑细胞的大型scRNA-seq数据集时，FIRE恢复了结节部谱系的一个新的亚型。在单细胞RNA-seq数据集中寻找稀有细胞的算法无法处理包含数万个细胞的数据集。在这里，作者提出了稀有实体查找器(FIRE)，这是一种使用草图技术为大型RNA-SEQ数据集中的每个表达谱分配稀有度分数的算法。
Single cell messenger RNA sequencing (scRNA-seq) provides a window into transcriptional landscapes in complex tissues. The recent introduction of droplet based transcriptomics platforms has enabled the parallel screening of thousands of cells. Large-scale single cell transcriptomics is advantageous as it promises the discovery of a number of rare cell sub-populations. Existing algorithms to find rare cells scale unbearably slowly or terminate, as the sample size grows to the order of tens of thousands. We propose Finder of Rare Entities (FiRE), an algorithm that, in a matter of seconds, assigns a rareness score to every individual expression profile under study. We demonstrate how FiRE scores can help bioinformaticians focus the downstream analyses only on a fraction of expression profiles within ultra-large scRNA-seq data. When applied to a large scRNA-seq dataset of mouse brain cells, FiRE recovered a novel sub-type of the pars tuberalis lineage. Algorithms designed to find rare cells in single cell RNA-seq data sets cannot cope with data sets containing tens of thousands of cells. Here the authors present Finder of Rare Entities (FiRE), an algorithm that uses the Sketching technique to assign a rareness score to every expression profile in large RNA-seq data sets.
登录
查看更多内容
影响因子：
3.8
作者：
Kuo YH;Lin CH;Shau WY;Chen TJ;Yang SH;Huang SM;Hsu C;Lu YS;Cheng AL
通讯作者：
Cheng AL
影响因子：
46.9
作者：
Wagner A;Regev A;Yosef N
通讯作者：
Yosef N
影响因子：
56.9
作者：
Altman, JD;Moss, PAH;Davis, MM
通讯作者：
Davis, MM
影响因子：
14.9
作者：
Srivastava D;Iyer A;Kumar V;Sengupta D
通讯作者：
Sengupta D
影响因子：
12.3
作者：
Jiang L;Chen H;Pinello L;Yuan GC
通讯作者：
Yuan GC