Нейросетей не бывает мало, особенно в scRNA-seq.

Cеквенирование РНК одиночных клеток (scRNA-seq), которое дает возможность анализировать транскриптомы отдельных клеток (в отличие от образца ткани в классическом RNA-seq), уже привело к появлению новых методов исследования клеток, к которым относятся уровень гетерогенности в популяции клеток (1), идентификация новых маркеров для конкретных типов клеток (2) и временные изменения, связанные с прогрессированием различных процессов развития ткани или культуры клеток (3).

Однако эта технология также породила ряд новых вычислительных задач. К ним относятся вопросы о оптимальных методах кластеризации данных scRNA-Seq, о том, как идентифицировать уникальную группу клеток в, определить состояние или функцию конкретных клеток на основе их профиля экспрессии. Для решения этих проблем исследователи из Университета Карнеги-Меллона разрабатывают и тестируют метод, основанный на нейронных сетях (NN) для анализа и поиска cтурктуры в данных scRNA-seq. Исследователи протестировали различные архитектуры NN, некоторые из которых предварительно включали в себя биологические данные, которые были использовали их для получения уменьшения размерности данных. Эксперименты показывают, что метод NN улучшает способность методов правильно группировать клетки в экспериментах, не использованных в обучении, и способность правильно выводить тип или состояние клетки, делая запрос в базу данных из десятков тысяч профилей одиночных клеток. Такие запросы базы данных (которые могут быть выполнены с использованием веб-сервера) позволят исследователям лучше охарактеризовать клетки при анализе гетерогенных образцов scRNA-Seq.

Иллюстрация:

Сравнение методов понижения размерности в scRNA-seq

Источник: academic.oup.com

Комментарии: