A relay velocity model infers cell-dependent RNA velocity.
A relay velocity model infers cell-dependent RNA velocity.
复制标题
中继速度模型推断细胞依赖性 RNA 速度。
DOI：
10.1038/s41587-023-01728-5
复制
发表时间：
2024-01
影响因子：
46.9
通讯作者：
Wang, Guangyu
中科院分区：
文献类型：
--
作者：
Li, Shengyu;Zhang, Pengzhi;Chen, Weiqing;Ye, Lingqun;Brannan, Kristopher W.;Le, Nhat-Tu;Abe, Jun-ichi;Cooke, John P.;Wang, Guangyu
RNA速度提供了一种从单细胞RNA测序（scRNA-seq）数据推断细胞状态转换的方法。常规RNA速度模型推断scRNA-seq实验中所有细胞的通用动力学，导致在具有细胞状态的多阶段和/或多谱系转变的实验中的不可预测的性能，其中所有细胞的相同动力学速率的假设不再成立。在这里，我们介绍了cellDancer，这是一个可扩展的深度神经网络，它可以从相邻细胞中局部推断每个细胞的速度，然后中继一系列局部速度，以提供速度动力学的单细胞分辨率推断。在模拟基准测试中，cellDancer在多个动力学机制、高丢失率数据集和稀疏数据集中表现出强大的性能。我们表明cellDancer克服了现有RNA速度模型在红细胞成熟和海马发育建模方面的局限性。此外，cellDancer提供了转录，剪接和降解速率的细胞特异性预测，我们将其确定为小鼠胰腺细胞命运的潜在指标。cellDancer通过细胞特异性动力学实现RNA速度估计。
RNA velocity provides an approach for inferring cellular state transitions from single-cell RNA sequencing (scRNA-seq) data. Conventional RNA velocity models infer universal kinetics from all cells in an scRNA-seq experiment, resulting in unpredictable performance in experiments with multi-stage and/or multi-lineage transition of cell states where the assumption of the same kinetic rates for all cells no longer holds. Here we present cellDancer, a scalable deep neural network that locally infers velocity for each cell from its neighbors and then relays a series of local velocities to provide single-cell resolution inference of velocity kinetics. In the simulation benchmark, cellDancer shows robust performance in multiple kinetic regimes, high dropout ratio datasets and sparse datasets. We show that cellDancer overcomes the limitations of existing RNA velocity models in modeling erythroid maturation and hippocampus development. Moreover, cellDancer provides cell-specific predictions of transcription, splicing and degradation rates, which we identify as potential indicators of cell fate in the mouse pancreas. cellDancer enables RNA velocity estimation with cell-specific kinetics.
登录
查看更多内容
影响因子：
64.8
作者：
Cao, Junyue;Spielmann, Malte;Shendure, Jay
通讯作者：
Shendure, Jay
影响因子：
16.6
作者：
Byrnes LE;Wong DM;Subramaniam M;Meyer NP;Gilchrist CL;Knox SM;Tward AD;Ye CJ;Sneddon JB
通讯作者：
Sneddon JB
影响因子：
4.6
作者：
Bastidas-Ponce, Aimee;Tritschler, Sophie;Bakhti, Mostafa
通讯作者：
Bakhti, Mostafa
影响因子：
8.8
作者：
Cheng, Shangli;Pei, Yu;Deng, Qiaolin
通讯作者：
Deng, Qiaolin
影响因子：
56.9
作者：
Battich, Nico;Beumer, Joep;van Oudenaarden, Alexander
通讯作者：
van Oudenaarden, Alexander