为了评估ProM在现有反卷积方法下的性能，作者使用由scRNA-seq重组的bulk RNA-seq数据来进行评估。作者采用了“交叉验证”模式，其中由14个CD45+/CD45-分选的scRNA-seq样本来重组bulk RNA-seq数据，同时使用13个未分选的scRNA-seq样本作为反卷积算法中的对照组，反之亦然。由于使用不同分选方法生成的数据在表达型和...
BayesPrism 使用从匹配或相似组织类型收集的scRNA-seq样本,对大量RNA-seq(和空间转录组学)进行细胞类型和基因表达反褶积。将scRNA-seq作为先验信息,估计P(θ,Z|X,ϕ),即细胞类型分数θ和细胞类型特异性基因表达Z在每个群体中的联合后验分布,条件是参考ϕ和每个观察群体X。 软件包安装 library("devtools"); ...
单细胞RNA测序(scRNA-seq)技术可能会改善肿瘤异质性。作者通过开发了一个反卷积方法ProM将scRNA-seq和bulk RNA-seq数据进行整合。并通过多种方法验证其性能。作者通过上述方法发现UC患者上皮细胞和成纤维细胞亚群的异质性。并系统地识别并验证了与治疗反应和耐药性相关的细胞亚群。除此之外,作者还揭示了TM
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...
Bulk RNA-seq分析是研究TME的常用方法,有几种计算方法可以通过对bulk RNA-seq数据进行反卷积来估计TME内的细胞类型。先前对TME反卷积方法性能的测试研究要么集中在可能影响反卷积的技术方面,要么集中在整体反卷积性能,而没有全面研究可能影响TME反卷积的生物和样本异质性的影响。此外最近开发的几种利用scRNA-seq作为基因...
一、Transcriptomics-based deconvolution methods(bulkRNA) CIBERSORT 和 CIBERSORTx 通常得到推荐,其次是 MuSiC 和 EPIC。 不同基准研究之间缺乏一致性 二、DNA methylation-based deconvolution methods 早期的计算去卷积方法通常是针对芯片平台生成的数据而设计的,基于参考的方法MethylResolver、CIBERSORT等,还有refreeewas、...
针对这一问题,bulk反卷积细胞类型(bulk deconvolution of cell types)的方法被提出,用于从总细胞测序数据(bulk RNA-seq data)中推断细胞类型的相对比例。 简介 传统的总细胞测序技术只能提供样本的整体转录组信息,无法分辨细胞类型之间的细微差异。而单细胞测序技术可以获得单个细胞的转录组数据,揭示了不同细胞类型的...
Note:参考也可以是单细胞数据集或细胞类型特定的bulkRNA-seq数据集。 数据预处理 RCTD需要两个数据:带有注释的单细胞转录组参考数据,需要反卷积注释的空间转录组数据。 reference数据 首先是单细胞参考数据集。reference使用RCTD包中Reference函数,这个函数需要三个参数: counts:为矩阵或dgCmatrix对象。行名是基因,列名...
根据这张图我们可以看出 其实bulk RNAseq就像是每一个细胞的RNA-seq卷起来的乘积，所以称为卷积（图：左边（bulk）是右边（cell）的乘积运算的结果，而这个乘积运算需要细胞的表达量和一个系数表），现在我们来解释 反卷积 ： 反卷积顾名思义反过来/不卷积，对bulkRNA的反卷积就相当于对bulk RNA进行...
在bulk RNA的中,就是把平均值看作单个细胞表达值与某个函数(和检测方法有关)的卷积。获得样本bulk RNA 表达量的过程,就是一个卷积的过程,而反卷积,是卷积运算的逆运算。 举例:使用实体肿瘤来源和PBMC(外... 查看原文 Python生物信息学⑤DNA转录RNA