使用单细胞RNA测序数据计算解卷杂质组织中不同细胞大小的挑战与机会
摘要：从均质人体组织的“大块”转录组样本中对细胞混合物进行解卷积是理解疾病病理学的重要一环。然而，在开发和实施基于转录组的解卷积方法时仍存在一些实验和计算上的挑战，尤其是那些使用单细胞/核RNA-seq参考图谱的方法，在许多组织中急速可用。值得注意的是，解卷积算法通常是使用具有相似细胞大小的组织样本开发的。然而，脑组织或免疫细胞群体具有细胞类型存在明显不同的细胞大小、总mRNA表达和转录活性。当将现有的解卷积方法应用于这些组织时，细胞大小和转录组活性的系统性差异会混淆准确的细胞比例估计，反而可能量化总mRNA含量。此外，还缺乏标准参考图谱和计算方法，以促进整合分析，包括不仅涉及批量和单细胞/核 RNA-seq 数据，还包括从空间组学或成像方法产生的新数据模式。需要收集新的多重检测数据集，这些数据集具有从同一组织块和同一个个体产生的正交数据类型，以作为评估新的和现有的解卷积方法的“黄金标准”。下面，我们讨论这些关键挑战以及如何通过获取新的数据集和分析方法来解决这些挑战。
作者：Sean K. Maden, Sang Ho Kwon, Louise A. Huuki-Myers, Leonardo Collado-Torres, Stephanie C. Hicks, Kristen R. Maynard
论文ID：2305.06501
分类：Other Quantitative Biology
分类简称：q-bio.OT
提交时间：2023-05-12