RDAClone: Deciphering Tumor Heterozygosity through Single-Cell Genomics Data Analysis with Robust Deep Autoencoder.
RDAClone: Deciphering Tumor Heterozygosity through Single-Cell Genomics Data Analysis with Robust Deep Autoencoder.
复制标题
RDAClone：使用稳健的深度自动编码器通过单细胞基因组数据分析破译肿瘤杂合性
DOI：
10.3390/genes12121847
复制
发表时间：
2021-11-23
期刊：
影响因子：
3.5
通讯作者：
Chen L
中科院分区：
文献类型：
--
作者：
Xia J;Wang L;Zhang G;Zuo C;Chen L
单细胞基因组测序（SCGS）的快速发展使研究人员能够以前所未有的分辨率表征肿瘤杂合性，并揭示肿瘤细胞或克隆之间的系统发育关系。然而，目前SCGS数据的高测序错误率，即，假阳性、假阴性和碱基缺失严重限制了其应用。在这里，我们提出了一个深度学习框架RDAClone，用扩展的鲁棒深度自动编码器从噪声数据中恢复基因型矩阵，通过Louvain-Jaccard方法将细胞聚类成子克隆，并通过最小生成树进一步推断子克隆之间的进化关系。仿真和真实的数据集的研究表明，该算法在数据去噪、细胞聚类和进化树重建等方面具有很好的鲁棒性和优越性，特别是在大数据集上。
Rapid advances in single-cell genomics sequencing (SCGS) have allowed researchers to characterize tumor heterozygosity with unprecedented resolution and reveal the phylogenetic relationships between tumor cells or clones. However, high sequencing error rates of current SCGS data, i.e., false positives, false negatives, and missing bases, severely limit its application. Here, we present a deep learning framework, RDAClone, to recover genotype matrices from noisy data with an extended robust deep autoencoder, cluster cells into subclones by the Louvain-Jaccard method, and further infer evolutionary relationships between subclones by the minimum spanning tree. Studies on both simulated and real datasets demonstrate its robustness and superiority in data denoising, cell clustering, and evolutionary tree reconstruction, particularly for large datasets.
登录
查看更多内容
单细胞数据的树推断。
影响因子：
12.3
作者：
Jahn K;Kuipers J;Beerenwinkel N
通讯作者：
Beerenwinkel N
影响因子：
64.8
作者：
Greaves, Mel;Maley, Carlo C.
通讯作者：
Maley, Carlo C.
影响因子：
64.5
作者：
Levine JH;Simonds EF;Bendall SC;Davis KL;Amir el-AD;Tadmor MD;Litvin O;Fienberg HG;Jager A;Zunder ER;Finck R;Gedman AL;Radtke I;Downing JR;Pe'er D;Nolan GP
通讯作者：
Nolan GP
影响因子：
7
作者：
Ha G;Roth A;Khattra J;Ho J;Yap D;Prentice LM;Melnyk N;McPherson A;Bashashati A;Laks E;Biele J;Ding J;Le A;Rosner J;Shumansky K;Marra MA;Gilks CB;Huntsman DG;McAlpine JN;Aparicio S;Shah SP
通讯作者：
Shah SP
影响因子：
12.3
作者：
Navin NE
通讯作者：
Navin NE