Nature Methods | 空间转录组与单细胞转录组整合分析工具性能测试

Nature Methods上的一项研究对比了16种空间转录组与scRNA-seq整合分析工具,Tangram、gimVI和SpaGE在预测转录物分布上表现出色,而Cell2location、SpatialDWLS和RCTD在细胞类型去卷积方面领先。深度学习和概率模型方法在性能上更优。
摘要由CSDN通过智能技术生成

Hello,我还是那个👉 时不时分享、汇总、比较空转工具的小编~今天给大家“投喂”的这篇文献来自Nature子刊《Nature Methods》,研究人员对空间转录组和单细胞转录组整合分析工具进行比较,以衡量其性能。

空转&scRNA-seq整合分析工具性能测试

空间转录组学方法允许我们在空间中检测RNA转录物,这些方法已被用于研究各种组织和器官中基因表达的空间分布,包括大脑、心脏、胰腺和皮肤。一方面,基于原位杂交和荧光显微镜(基于图像)的空间转录组学方法(包括seqFISH、osmFISH和MERFISH)能够以高分辨率和准确度检测转录物的空间分布,但它们只能检测RNA转录物的总数。另一方面,基于下一代测序(基于测序)的空间转录组学方法,如ST、10X Visium和Slide-seq,可以从空间中的点在整个转录组水平上捕获表达的RNA,但每个点(半径10~100µm)可能包含多个细胞,这限制了这些方法的空间分辨率。这些空

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值