如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都分布在虚线右侧);右...
A中的Tumor是肺腺癌中的上皮细胞,Normal是癌旁中的上皮细胞;B中的Tumor是神经母细胞瘤癌细胞,Endo是内皮细胞; C中的kd是敲低APEX1的胰腺癌细胞,wt是野生型胰腺癌细胞。 总结 Compass基于scRNA-seq数据可以给出相对全面、单细胞分辨率的代谢见解,为疾病研究提供了新的视野。Compass也存在着一些局限性,首先,Compas...
需要注意的是,Compass计算时间相对较长,每个细胞大约需要30分钟,而另一个用于单细胞代谢预测的工具——scFEA[2]计算速度相对快得多,例如使用8个线程预测100个细胞的测试数据大约只需要1分钟。因此针对较大的数据集,Compass可以通过微池(--microcluster-size)将细胞划分为簇,再以簇的平均值表征该簇,这里也可以使用...
在Jupyter notebook激活Compass虚拟环境 问题: from compass_analysis import cohens_d, wilcoxon_test, get_reaction_consistencies, get_metareactions, labeled_reactions, amino_acid_metab 这一步报错ModuleNotFoundError: No module named 'compass_analysis' 我看Issue上有人提出这个问题,回复人指路的compass_analysi...
如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都分布在虚线右侧);右...
图1. COMPASS算法 如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都...
如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都分布在虚线右侧);右...