单细胞RNA测序中的根因推断与负二项式
摘要：通过测序数据准确推断疾病的根本原因可以提高新疗法目标的发现。然而，现有的根本因果推断算法需要完美测量的连续随机变量。单细胞RNA测序（scRNA-seq）数据集包含大量细胞，但是通过容易出错的过程测量得到非负计数。因此，我们引入了一种名为Root Causal Inference with Negative Binomials（RCI-NB）的算法，通过将负二项分布分解为它们的伽马和泊松分量，考虑了基于计数的测量误差；伽马分布形成一个完全可识别但潜在的非线性因果模型，代表真实的RNA表达水平，我们只能通过泊松污染来观察。RCI-NB通过整合新的稀疏回归和适应度检验程序，绕过泊松测量误差，从scRNA-seq数据集中识别患者特定的根本因果贡献。实验证明，与现有的替代方法相比，RCI-NB有显著的改进。
作者：Eric V. Strobl
论文ID：2307.05338
分类：Genomics
分类简称：q-bio.GN
提交时间：2023-07-12