这项研究介绍了一个名为 OmicVerse 的综合性分析平台,旨在通过 Python 环境简化体学数据的处理流程。该研究特别开发了 BulkTrajBlend 算法,利用生成对抗网络(GAN)和变分自编码器(VAE)来解决单细胞测序中常见的细胞缺失问题。通过对体数据和单细胞数据的深度融合,该工具能够高精度地模拟缺失细胞并重建真实的细胞发育轨迹。此外,该平台还集成了多组学对齐、差异表达分析及细胞间通讯识别等多种功能。实验证明,该方法在小鼠胰腺、人类骨髓及阿尔茨海默病等多个数据集的分析中均表现出卓越的准确性。最终,OmicVerse 为科研人员提供了一个低代码、可扩展且高效的生物信息学解决方案。
References:
- Zeng, Z., Ma, Y., Hu, L. et al. OmicVerse: a framework for bridging and deepening insights across bulk and single-cell sequencing. Nat Commun 15, 5983 (2024). doi.org
Fler avsnitt av 聊聊Sci
Visa alla avsnitt av 聊聊Sci聊聊Sci med 淼淼Elva finns tillgänglig på flera plattformar. Informationen på denna sida kommer från offentliga podd-flöden.
