对Bulk RNA-Seq 细胞成分推断 目前已经有很多方法对bulk数据进行细胞成分以及比例进行推断。有的方法不需要单细胞细胞类型表达谱或细胞marker 进行完全推断比如CDSeq,linseed.大部分算法结合单细胞测序细胞表达谱的先验知识对bulk 数据进行推断,如 CIBESORT,CIBESORTX,CellMix,MuSiC,SCDC,TED.去推断细胞成分比例,我可以用...
在处理Bulk RNA-Seq数据以推断细胞成分及其比例时，众多方法已经涌现。这些方法包括无需单细胞信息的CDSeq和linseed，以及利用单细胞表达谱先验的CIBESORT、CIBESORTX、CellMix、MuSiC、SCDC和TED等。问题的核心是一个解卷积问题，可用公式Y = X * W + E来表示，其中Y是基因表达数据，X是细胞类型表达谱...
通过这样的反卷积过程,BisqueRNA能够基于批量RNA-seq数据估计出细胞类型的比例,从而提供了对样本中细胞异质性的洞察。这种方法在细胞组成分析中具有广泛的应用,并为我们理解组织和疾病发展提供了重要的信息。 总的来说这类bulk反卷积方法往往需要一个定义好细胞亚型类型的单细胞基因表达谱数据或者定义好细胞亚型的markers...
Bulk2Space是一种基于深度学习框架的空间去卷积算法,该算法使用现有的高质量scRNA-seq数据和空间转录组学作为参考,从bulk RNA-seq中生成空间解析的单细胞表达谱。 Bulk2Space工作流程 Bulk2Space分为去卷积和空间映射两个步骤:首先在聚类空间内生成单细胞转录组数据,以找到一组细胞,其聚合数据与批量数据最接近。接下...