从单细胞多组和空间转录组数据集中联合定义细胞状态

单细胞组学技术为以数据驱动的方式定义分子细胞状态提供了前所未有的机会，但也面临着独特的数据集成挑战。我们开发了一种用于单细胞多组集成的在线学习算法yobet亚洲，允许高度可伸缩的集成，并能够合并新的数据集，而无需从头开始重新计算结果。此外，集成分析通常涉及部分特征重叠的数据集，包括所有数据集中出现的共享特征和仅出现在单个实验中的特征。以前的计算集成方法要求输入矩阵共享相同数量的基因或细胞，因此只能使用共享的特征。为了解决这一局限性，我们开发了一种新的算法，用于包含共享和非共享特征的单细胞数据集的“镶嵌集成”。此外，在同一细胞中同时分析基因表达和表观基因组状态的新技术使研究从不同分子层推断的细胞状态之间的对应关系成为可能。为了实现这一潜力，我们开发了一种从单细胞多组数据建模基因表达的表观遗传调控的方法，使我们能够量化转录组和表观基因组状态之间的一致性或解耦程度。

Joshua D. Welch博士
助理教授
计算医学与生物信息学系
计算机科学与工程系
密歇根大学医学院