MASI enables fast model-free standardization and integration of single-cell transcriptomics data.
MASI enables fast model-free standardization and integration of single-cell transcriptomics data.
复制标题
MASI实现了单细胞转录组学数据的快速无模型标准化和集成。
DOI：
10.1038/s42003-023-04820-3
复制
发表时间：
2023-04-28
影响因子：
5.9
通讯作者：
Hayat, Sikander
中科院分区：
文献类型：
--
作者：
Xu, Yang;Kramann, Rafael;McCord, Rachel Patton;Hayat, Sikander
由不同研究实验室生成的来自相同解剖位点的单细胞转录组数据集正变得越来越普遍。然而，为了提高研究的包容性，仍然需要用于细胞类型注释和数据集成标准化的快速且计算成本低廉的工具。为了标准化细胞类型注释并整合单细胞转录组数据集，我们建立了一种快速的无模型整合方法，称为 MASI（标记辅助标准化和整合）。我们将 MASI 与其他成熟的方法进行基准测试，并证明 MASI 在集成、注释和速度方面优于其他方法。为了利用单细胞图谱的知识，我们展示了三个案例研究，分别涵盖了跨生物条件、调查参与者和研究小组的整合。最后，我们证明 MASI 可以在个人笔记本电脑上注释大约一百万个单元，从而使大规模单细胞数据集成变得更容易。我们设想 MASI 可以作为单细胞研究界的廉价计算替代方案。 MASI 是一个计算管道，可以利用有限的计算资源集成和注释大型单细胞转录组数据集。
Single-cell transcriptomics datasets from the same anatomical sites generated by different research labs are becoming increasingly common. However, fast and computationally inexpensive tools for standardization of cell-type annotation and data integration are still needed in order to increase research inclusivity. To standardize cell-type annotation and integrate single-cell transcriptomics datasets, we have built a fast model-free integration method, named MASI (Marker-Assisted Standardization and Integration). We benchmark MASI with other well-established methods and demonstrate that MASI outperforms other methods, in terms of integration, annotation, and speed. To harness knowledge from single-cell atlases, we demonstrate three case studies that cover integration across biological conditions, surveyed participants, and research groups, respectively. Finally, we show MASI can annotate approximately one million cells on a personal laptop, making large-scale single-cell data integration more accessible. We envision that MASI can serve as a cheap computational alternative for the single-cell research community. MASI is a computational pipeline that enables the integration and annotation of large single-cell transcriptomic datasets with limited computational resources.
登录
查看更多内容
影响因子：
16.6
作者：
Kang JB;Nathan A;Weinand K;Zhang F;Millard N;Rumker L;Moody DB;Korsunsky I;Raychaudhuri S
通讯作者：
Raychaudhuri S
影响因子：
9.3
作者：
Baron M;Veres A;Wolock SL;Faust AL;Gaujoux R;Vetere A;Ryu JH;Wagner BK;Shen-Orr SS;Klein AM;Melton DA;Yanai I
通讯作者：
Yanai I
影响因子：
12.3
作者：
Abdelaal, Tamim;Michielsen, Lieke;Mahfouz, Ahmed
通讯作者：
Mahfouz, Ahmed
影响因子：
8.8
作者：
Cui, Yueli;Zheng, Yuxuan;Tang, Fuchou
通讯作者：
Tang, Fuchou
影响因子：
30.5
作者：
Arazi, Arnon;Rao, Deepak A.;Goldman, Daniel H.
通讯作者：
Goldman, Daniel H.