A stochastic model dissects cell states in biological transition processes.
A stochastic model dissects cell states in biological transition processes.
复制标题
DOI：
10.1038/srep03692
复制
发表时间：
2014-01-17
影响因子：
4.6
通讯作者：
Mukherjee S
中科院分区：
文献类型：
--
作者：
Armond JW;Saha K;Rana AA;Oates CJ;Jaenisch R;Nicodemi M;Mukherjee S
许多生物学过程，包括分化、重编程和疾病转化，都涉及细胞通过不同状态的转变。由于几个因素，包括单细胞测定的局限性，直接、无偏见地研究细胞状态及其转变具有挑战性。在这里，我们提出了一个随机模型的细胞转换，允许潜在的单细胞信息，包括细胞状态特定的参数和速率管理状态之间的转换，估计从全基因组，人口平均的时间过程数据。我们的方法的关键新奇在于在单细胞水平上指定潜在的随机模型，然后聚合这些模型，以给出将单细胞水平上的参数与群体水平上的可观测值联系起来的可能性。我们将我们的方法应用于多能性重编程的背景下。这产生了新的见解，包括两个中间细胞状态的概况，这些都得到了独立的单细胞研究的支持。我们的模型提供了一个一般的概念框架的研究细胞的转变，包括表观遗传转化。
Many biological processes, including differentiation, reprogramming, and disease transformations, involve transitions of cells through distinct states. Direct, unbiased investigation of cell states and their transitions is challenging due to several factors, including limitations of single-cell assays. Here we present a stochastic model of cellular transitions that allows underlying single-cell information, including cell-state-specific parameters and rates governing transitions between states, to be estimated from genome-wide, population-averaged time-course data. The key novelty of our approach lies in specifying latent stochastic models at the single-cell level, and then aggregating these models to give a likelihood that links parameters at the single-cell level to observables at the population level. We apply our approach in the context of reprogramming to pluripotency. This yields new insights, including profiles of two intermediate cell states, that are supported by independent single-cell studies. Our model provides a general conceptual framework for the study of cell transitions, including epigenetic transformations.
登录
查看更多内容
重编程因子表达引发了广泛的靶向染色质重塑。
影响因子：
23.9
作者：
Koche RP;Smith ZD;Adli M;Gu H;Ku M;Gnirke A;Bernstein BE;Meissner A
通讯作者：
Meissner A
影响因子：
64.5
作者：
Hanna JH;Saha K;Jaenisch R
通讯作者：
Jaenisch R
影响因子：
10.5
作者：
Cole, Megan F.;Johnstone, Sarah E.;Young, Richard A.
通讯作者：
Young, Richard A.
DOI：
10.1073/pnas.1017402108
发表时间：
2011-07-19
影响因子：
11.1
作者：
Lluis, Frederic;Ombrato, Luigi;Pia Cosma, Maria
通讯作者：
Pia Cosma, Maria
影响因子：
64.5
作者：
Ang YS;Tsai SY;Lee DF;Monk J;Su J;Ratnakumar K;Ding J;Ge Y;Darr H;Chang B;Wang J;Rendl M;Bernstein E;Schaniel C;Lemischka IR
通讯作者：
Lemischka IR