题目: scINSIGHT for interpreting single-cell gene expression from biologically heterogeneous data
scINSIGHT 使用基于非负矩阵分解的新模型来学习不同细胞类型和生物条件的基因表达模式。简单来说,scINSIGHT可以把单细胞表达矩阵(cell × gene)分解为两个部分:
condition-specific gene modules W1 × H: 可用于比较不同条件转录组的功能差异。
common gene modules W2 × V : 可用于对细胞进行聚类并注释细胞类型或状态。
与现有工具相比,scINSIGHT具有以下优点:(1)它能够在考虑单细胞样本的生物学条件的同时整合单细胞样本; (2)它明确地模拟生物条件中常见或特有的协调基因表达模式,从而能够从高维基因表达数据中分解常见和特定条件的基因模块; (3)它使用捕获细胞身份的通用基因模块实现了对单细胞样本中细胞群的精确识别; (4)它能够根据细胞组成和模块表达对样品和生物条件进行有效比较; (5)它发现稀疏且可直接解释的模块表达模式以辅助功能注释。
参考:Genome Biology, 2022, 23, 82.