現代技術使得對單個細胞進行測序並鑑定每個細胞中目前正在表達的基因成為可能財神娛樂二。這些方法很敏感，因此容易出錯。設備，環境和生物學本身可能導致測量之間的失敗和差異。 Helmholtz ZentrumMünchen的研究人員與來自慕尼黑工業大學（TUM）和英國We二。come Sanger研究所的同事通力合作，並開發了算法，可以預測和糾正此類錯誤源。該作品發表在“自然方法”和“自然通訊”中。
《人體細胞圖譜》是一撲克牌妞妞作弊個具有廣闊視野的遠景項目，旨在繪製出各個時間點的人體所有組織，以創建用於開發個性化藥物的參考數據庫，即區分健康細胞與患病細胞的能力。 通過稱為單細胞RNA測序的技術使這成為可能，該技術可幫助研究人員準確地了解在生命的這些微小部分中，在任何給定時刻打開或關閉哪些基因。 “從方法論的角度來看，這代表了巨大的飛躍。以前，此類數據只能從大組細胞中獲得，因為測量需要大量RNA，” MarenBüttner解釋說。 “因此，結果始終只是所有使用的電池的平均值。現在我們能夠獲得每個細胞的精確數據。” Helmho計算生物學研究所（ICB）的博士生說。911娛樂城Ltz Zentrum慕尼黑。
然而，該技術靈敏度的提高也意味著對批量效應的敏感性增加。 “批次效應描述了兩次測量之間的波動，例如，如果設備的溫度甚至略有偏離或細胞的處理時間發生變化，” MarenBüttner解釋說。儘管存在用於校正這些偏差的幾種模型，但是這些方法高度依賴於效果的實際大小。 “因此，我們開發了一種稱為kBET的用戶友好型，魯棒性和靈敏性的度量標準，該度量標準可量化之間的差異娛樂城ptt進行實驗，因此有助於比較不同的校正結果。”Büttner說。
“我們的新方法kBET是比較批次效應校正方案的強大工具，使研究人員能夠研究不同的單細胞RNA測序數據集。這線上麻將賭博對數據集成在未來具有重要意義，這對於諸如此類的重要計劃至關重要“人類細胞圖集”，英國We二。come Sanger研究所論文的通訊作者Sarah Teichmann博士說。
除了批處理效應外，一種稱為脫落事件的現像在單細胞測序中也構成了重大挑戰。 TUM的ICB主任兼生物系統數學建模教授Fabian Theis博士解釋說：“假設我們對一個細胞進行了測序，發現該細胞中的某個特定基因根本不發出任何信號。” “造成這種現象的根本原因可能是生物學上的或技術上的：要么是基因沒有被測序儀讀取，因為它根本沒有被表達，或者是 iwin娛樂城由於技術原因未檢測到。”他解釋說。
為了認識到這些情況，Theis小組的生物信息學家GökcenEraslan和Lukas Simon使用了大量的許多單個細胞序列，並開發了所謂的深度學習算法，即模擬人類（神經網絡）學習過程的人工智能。
該算法利用新的概率模型並比較原始數據和重建的數據，確定缺少基因信號是由於生物學還是技術故障。 “該模型甚至允許確定特定於細胞類型的校正，而無需兩種不同的細胞類型人為地相似真人娛樂城”，Fabian Theis說。 “作為單細胞基因組學領域最早的深度學習方法之一，該算法的另一個好處是可以很好地擴展以處理包含數百萬個細胞的數據集。”
但是有一種方法沒有做到這一點-需要強調的是：“我們不是在開發軟件來平滑結果。我們的主要目標是識別並糾正錯誤。” Fabian Theis解釋說。 “例如，當亥姆霍茲研究人員將其算法和分析貢獻給《人類細胞圖集》時，“我們可以與世界各地的同事共享盡可能準確的這些數據，並將我們的結果與他們的結果進行比較。”數據的可比性至關重要。
*這種稱為深度計數自動編碼器的新方法可以學習通過壓縮複雜數據並隨後對其進行重構來簡化複雜數據的表示。
本文已由Helmholtz ZentrumMünchen提供539必中法的材料重新發表。注意：材料的長度和內容可能已被編輯。有關更多信息，請聯繫引用的來源。
參考：Büttner，M.，Miao，Z.，Wolf，F.A.，Teichmann，S.A.，＆Theis，F.J.（2019）。評估單細胞RNA-seq批次校正的測試指標。自然方法，16（1），43. https://doi.org/10.1038/s41592-018-0254-1
