Type-II问题是由于在反卷积中使用未匹配基因长度标准化的scRNA-seq和bulk RNA-seq data作为输入引起的。许多人可能没有注意到,由于scRNA-seq和 (total) bulk RNA-seq的协议差异,在原始计数下,scRNA-seq data中的基因表达与基因长度无关,而在bulk RNA-seq data中与基因长度有关。因此,如果使用原始计数的scRNA-se...
利用单细胞特征对批量轮廓进行反卷积 已发表的大量肿瘤scRNA-seq数据集意味着大多数与癌症相关的细胞类型和细胞状态可能已经被描述。细胞类型和细胞状态的相应特征可用于改进批量RNA-seq的反卷积分析。反卷积是指估计样本中的细胞类型和细胞状态频率,以便所有这些细胞的组合表达谱将为观察到的批量RNA-seq 谱提供最佳的拟...
01 软件介绍 swCAM[^1]是一个基于普通转录组技术,分析样本内细胞亚群的组成、占比、基因表达及其差异表达和分子功能为一体的分析软件。以往基于普通转录组技术的分析方法与软件不能实现样本内细胞亚群的分析,只…
data<-read.table("../data/TCGA-SKCM.htseq_fpkm.tsv",sep="\t",header=T,#row.names="Ensembl_ID",stringsAsFactors=FALSE,check.names=FALSE)#2)读取probeMap文件,转换Ensembl_ID probeMap<-read.table("../data/gencode.v22.annotation.gene.probeMap",sep="\t",header=T,stringsAsFactors=FALSE,ch...
目前,基于RNA表达的反卷积算法可以依据RNA序列所属特定细胞群的比例来确定组织细胞的组成(图1)。为降低细胞亚型同源转录组程序的复杂性,研究团队开发了一种决策树算法“Kassandra”,通过确定不同细胞类型的RNA-seq在非癌组织和癌组织中的...
目前,基于RNA表达的反卷积算法可以依据RNA序列所属特定细胞群的比例来确定组织细胞的组成(图1)。为降低细胞亚型同源转录组程序的复杂性,研究团队开发了一种决策树算法“Kassandra”,通过确定不同细胞类型的RNA-seq在非癌组织和癌组织中的RNA比例,来精确推算不同细胞亚型的比例。
细胞类型和细胞状态的相应特征可用于改进批量RNA-seq的反卷积分析。反卷积是指估计样本中的细胞类型和细胞状态频率,以便所有这些细胞的组合表达谱将为观察到的批量RNA-seq 谱提供最佳的拟合。这种方法近年来被广泛应用,促进从大量RNA-seq数据集中考虑整个肿瘤生态系统。
通过反卷积大量的rna-seq样本获得细胞类型的分数,骨髓来源的抑制细胞(MDSC)在UTI处理的样本中显著扩增。进一步的细胞-细胞间的信号分析揭示了一些信号通路,如ANEEXIN、GRN和RESISTIN可能参与了UTI的免疫调节作用。该研究结果搭建了UTI治疗...
在这里，香港中文大学的研究人员介绍了 Tissue-AdaPtive autoEncoder（TAPE），这是一种连接批量 RNA-seq 和单细胞 RNA-seq 的深度学习方法，可在短时间内实现精确的反卷积。通过构建可解释的解码器并在独特的方案下进行训练，TAPE 可以自适应地预测细胞类型分数和细胞类型特异性基因表达组织。与几个数据集上的流行...
(1)Cibersort:基于反卷积算法,可以得到22种免疫细胞的丰度结果。 (2)xCELL:基于标记基因集合的ssGSEA算法,可以得到5个大类的64种细胞类型的丰度结果,含有非免疫的。 (3)ESTIMATE:可以得到整体的基质细胞和免疫细胞评分。 零 准备数据 通过XENA(UCSC Xena)下载TCGA-SKCM的表达量矩阵 ,记得同时下载对应的probeMap文...