Efficient Generation of Transcriptomic Profiles by Random Composite Measurements.
Efficient Generation of Transcriptomic Profiles by Random Composite Measurements.
复制标题
DOI：
10.1016/j.cell.2017.10.023
复制
发表时间：
2017-11-30
期刊：
影响因子：
64.5
通讯作者：
Regev A
中科院分区：
文献类型：
--
作者：
Cleary B;Cong L;Cheung A;Lander ES;Regev A
RNA谱是细胞和组织状态的信息表型，但大规模产生可能是昂贵的。在这里，我们描述了如何基因表达水平可以有效地获得随机复合测量-其中丰度结合在一个随机加权和。我们表明，表达谱对之间的相似性可以用很少的复合测量来近似;通过利用基因表达的稀疏模块化表示，我们可以使用随机复合测量来恢复高维基因表达水平（比基因少100倍）;并且甚至在不访问训练数据的情况下，也可以从复合测量中盲恢复基因表达。我们的研究结果表明，新的压缩模式作为基础，大规模的高通量测量，和新的见解，高维数据的解释。
RNA profiles are an informative phenotype of cellular and tissue states, but can be costly to generate at massive scale. Here, we describe how gene expression levels can be efficiently acquired with random composite measurements – in which abundances are combined in a random weighted sum. We show that the similarity between pairs of expression profiles can be approximated with very few composite measurements; that by leveraging sparse, modular representations of gene expression we can use random composite measurements to recover high-dimensional gene expression levels (with 100 times fewer measurements than genes); and that it is possible to blindly recover gene expression from composite measurements, even without access to training data. Our results suggest new compressive modalities as a foundation for massive scaling in high-throughput measurements, and new insights into the interpretation of high-dimensional data.
登录
查看更多内容
DOI：
10.1126/science.1247651
发表时间：
2014-02-14
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Jaitin DA;Kenigsberg E;Keren-Shaul H;Elefant N;Paul F;Zaretsky I;Mildner A;Cohen N;Jung S;Tanay A;Amit I
通讯作者：
Amit I
DOI：
10.1073/pnas.97.1.262
发表时间：
2000-01-04
影响因子：
11.1
作者：
Brown, MPS;Grundy, WN;Haussler, D
通讯作者：
Haussler, D
DOI：
10.1126/science.1198704
发表时间：
2011-05-06
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Bendall SC;Simonds EF;Qiu P;Amir el-AD;Krutzik PO;Finck R;Bruggner RV;Melamed R;Trejo A;Ornatsky OI;Balderas RS;Plevritis SK;Sachs K;Pe'er D;Tanner SD;Nolan GP
通讯作者：
Nolan GP
影响因子：
48
作者：
Giesen, Charlotte;Wang, Hao A. O.;Bodenmiller, Bernd
通讯作者：
Bodenmiller, Bernd
DOI：
10.1073/pnas.97.18.10101
发表时间：
2000-08-29
影响因子：
11.1
作者：
Alter, O;Brown, PO;Botstein, D
通讯作者：
Botstein, D