/

全国统一客服热线:
0755-28715175

新闻中心
news
4新闻资讯
您的位置:首页  ->  新闻资讯  -> 行业资讯

重磅!耶鲁大学开发革命性工具:更快捷、更准确的单细胞RNA测序处理方法


就像从针孔相机到偏光片一样,生物信息学数据可视化方法公式也在不断进行数学革新。耶鲁大学的数学家在《Nature Methods》杂志上发表了基于单细胞基因表达快照的创新成果,能够将一百万点单细胞RNA测序(单细胞重亚硫酸氢盐测序,scRNA-seq)数据集的绘制时间从3小时缩短到15分钟。

科学家们说,十几年来我们一直用“老掉牙”的方法,即t-分布随机邻域嵌入(t-SNE)处理单细胞水平的RNA测序数据(二维scRNA-seq数据)。“这种方法,t-SNE通过基因表达‘组织’细胞,从而识别新细胞类型和状态,”耶鲁大学应用数学系博士研究生George Linderman说。

按照计算标准,t-SNE相当慢。因此,研究人员经常在应用它之前尽量“缩小”scRNA数据集——从最初的样本中提取一个小样本。然而,由于t-SNE不太可能捕捉到罕见的细胞群(通常是研究人员最想鉴定的),因此降低采样率是一个很差的折衷方案。

30多年前,耶鲁大学的另一组数学家开发了快速多级方法(fast multipole method,FMM),这是一种革命性的数值技术,它加速了n-body问题中的远程力计算。这项研究,研究人员意识到FMM背后的原理也可以应用在非线性尺寸缩减问题上,如t-SNE和t-SNE加速,于是它获得了一个新名字:FIt-SNE,或称基于快速插值的t-SNE(fast interpolation-based t-SNE)。

“使用我们的方法,研究人员不仅可以更快地分析单细胞RNA测序数据,还可以描述罕见的细胞亚群。在过去,如果你在t-SNE之前对数据进行了亚采样,你就无法检测到这些亚群,”文章通讯作者、耶鲁大学病理学教授Yuval Kluger说。此外,研究小组还使用了一种热图式可视化方法来显示其匹配的SNE结果,使得人们更容易地同时看到数千个基因在单细胞水平上的表达模式。

研究人员说,2019年是t-SNE变“健康(fit)”的好年份。2018年12月,《Science》杂志称,如果没有基于scRNA-seq的可视化技术,一个细胞一个细胞地跟踪胚胎发育就不可能实现,因此这是今年最大的突破这一。研究人员说,毫无疑问,FIt-SNE将加速发育生物学、神经科学以及癌症研究等领域的进一步工作。在这些领域中,单细胞测序已经成为绘制大脑和了解肿瘤的宝贵工具。

原文检索:Fast interpolation-based t-SNE for improved visualization of single-cell RNA-seq data

[返回]   

Copyright © 深圳子科生物科技有限公司版权所有
粤ICP备16056151号

粤公网安备 44030902000304号

扫一扫,加关注

客户服务热线:
0755-33164177
13924667705
18665335907
0755-28715175


线