stPlus:利用scRNA-seq数据中的信息精确增强空间转录组学分析

清华大学研究团队推出stPlus,利用scRNA-seq数据增强空间转录组学分析的准确性和细胞群识别能力。stPlus在预测未检测基因表达和细胞异质性特征方面表现优于其他方法,且适用于大规模数据集。
摘要由CSDN通过智能技术生成

空间转录组学技术的最新进展进一步使细胞的基因表达谱和空间组织图谱同时实现。在这些技术中,基于成像的方法可以提供更高的空间分辨率,但它们受到成像基因数量少或基因检测灵敏度低的限制。尽管已经提出了几种增强空间分辨率的方法,但基因表达预测的准确性不足和细胞群识别能力不足仍然阻碍了这些方法的应用。

来自清华大学的科研团队提出了stPlus一种基于参考序列的方法,利用scRNA-seq数据中的信息来增强空间转录组学分析。

stPlus是什么?

stPlus旨在通过准确预测未检测基因的表达和有效输入检测基因的表达来增强空间转录组学分析。stPlus的输入是目标空间数据和参考scRNA-seq数据,这些数据来自与空间数据相匹配或相似的组织。这两个数据可以分别用两个基因-细胞矩阵来表示。注意,这两个数据之间的细胞是不匹配的,参考数据中的基因通常包括空间数据中的大部分基因。用户可以指定参考数据中的任何基因来进行预测。stPlus的输出是一个基因-细胞矩阵,包含空间数据中每个细胞的每个指定基因的预测表达。

stPlus的增强过程可分为三个主要步骤:(i) 数据处理,为联合嵌

  • 0
    点赞
  • 1
    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