Network inference with Granger causality ensembles on single-cell transcriptomics.
Network inference with Granger causality ensembles on single-cell transcriptomics.
复制标题
DOI：
10.1016/j.celrep.2022.110333
复制
发表时间：
2022-02-08
期刊：
影响因子：
8.8
通讯作者：
Gitter, Anthony
中科院分区：
文献类型：
--
作者：
Deshpande, Atul;Chu, Li-Fang;Stewart, Ron;Gitter, Anthony
细胞基因表达在整个动态生物学过程中发生变化，例如分化。伪时间估计细胞的进展沿着一个动态过程的基础上，他们的个人基因表达状态。通过伪时间对表达数据进行排序提供了关于潜在的调节基因相互作用的信息。由于伪时间分布的不均匀性，许多标准的数学方法不适用于分析有序基因表达状态。在这里，我们提出了单细胞推理的网络使用格兰杰集成（SINGE），基因调控网络推理的算法，从有序的单细胞基因表达数据。SINGE使用基于内核的格兰杰因果回归来平滑不规则的伪时间和缺失的表达式值。它从回归分析的集合中聚集预测，以编译转录调节因子和靶基因之间的候选相互作用的排名列表。在两个小鼠胚胎干细胞分化数据集，SINGE优于其他当代算法。然而，更详细的检查揭示了个别监管机构的不良表现和无信息伪时间的警告。Deshpande等人提出了SINGE，这是一种从有序的单细胞基因表达数据推断基因调控网络的算法。SINGE使用基于内核的回归来平滑嘈杂的，有序的单细胞数据，并集成以优先考虑可靠的监管关系。
Cellular gene expression changes throughout a dynamic biological process, such as differentiation. Pseudotimes estimate cells’ progress along a dynamic process based on their individual gene expression states. Ordering the expression data by pseudotime provides information about the underlying regulator-gene interactions. Because the pseudotime distribution is not uniform, many standard mathematical methods are inapplicable for analyzing the ordered gene expression states. Here we present single-cell inference of networks using Granger ensembles (SINGE), an algorithm for gene regulatory network inference from ordered single-cell gene expression data. SINGE uses kernel-based Granger causality regression to smooth irregular pseudotimes and missing expression values. It aggregates predictions from an ensemble of regression analyses to compile a ranked list of candidate interactions between transcriptional regulators and target genes. In two mouse embryonic stem cell differentiation datasets, SINGE outperforms other contemporary algorithms. However, a more detailed examination reveals caveats about poor performance for individual regulators and uninformative pseudotimes. Deshpande et al. present SINGE, an algorithm to infer gene regulatory networks from ordered single-cell gene expression data. SINGE uses kernel-based regression to smooth noisy, ordered single-cell data and ensembling to prioritize reliable regulatory relationships.
登录
查看更多内容
影响因子：
20.3
作者：
Balakumaran, Arun;Mishra, Prasun J.;Robey, Pamela G.
通讯作者：
Robey, Pamela G.
影响因子：
12.3
作者：
Bacher R;Kendziorski C
通讯作者：
Kendziorski C
影响因子：
3
作者：
Chen S;Mar JC
通讯作者：
Mar JC
影响因子：
--
作者：
Andrews, Tallulah S;Hemberg, Martin
通讯作者：
Hemberg, Martin
影响因子：
14.9
作者：
Bult CJ;Blake JA;Smith CL;Kadin JA;Richardson JE;Mouse Genome Database Group
通讯作者：
Mouse Genome Database Group