轻松分析单细胞RNA测序数据结果

时间：2021-03-30 00:00:00 来源：网络整理

密苏里大学和俄亥俄州立大学的研究人员表示，他们已经通过机器学习创造了一种分析单细胞RNA测序数据的新方法。该方法利用计算机的能力对大量数据进行智能分析，帮助科学家更快地得出结论，进入下一阶段的研究。

他们的研究以“scGNN is a novel graph neural network framework for single-cell RNA-Seq analyses”为题发表在Nature Communications上。

“单细胞RNA测序（scRNA-Seq）被广泛用于揭示组织，生物体和复杂疾病的异质性和动态，但其分析仍然面临多重重大挑战，包括基因表达中的测序稀疏性和复杂的差异模式，”研究人员写道。

“我们介绍了scGNN（单细胞图神经网络），为scRNA-Seq分析提供了一个无假设的深度学习框架。该框架使用图神经网络制定和聚合细胞间关系，并使用左截断混合高斯模型对异质基因表达模式进行建模。scGNN集成了三个迭代多模式自动编码器，在四个基准scRNA-Seq数据集上优于现有的基因插补和细胞聚类工具。”

“在一项来自死后脑组织的13214个单中心的阿尔茨海默病研究中，scGNN成功地说明了与疾病相关的神经发育和差异机制。scGNN提供了基因表达和细胞间关系的有效表示。它也是一个强大的框架，可以应用于一般的scRNA-Seq分析。”

密苏里大学工程学院教授Dong Xu博士说：“单细胞基因谱分析处于当今技术进步的最前沿，因为它可以测量有多少基因存在，以及它们如何从单个生物细胞的水平表达。以这种方式分析数万个细胞，因此最终收集到大量数据。目前，从这类数据中确定结论可能具有挑战性，因为必须过滤大量数据才能找到研究人员正在寻找的数据。因此，我们应用了一种最新的机器学习方法来解决这个问题-图形神经网络。”

在计算机通过机器学习过程智能地分析数据之后，图神经网络然后获取结果并创建数据的视觉表示以帮助容易地识别模式。该图由点组成，每个点代表一个单元格，并且类似类型的单元格用颜色编码以便于识别。精准医学是使用单细胞RNA测序的一个很好的例子。

Xu补充说：“有了这些数据，科学家们可以研究癌组织微环境中细胞之间的相互作用，或者观察T细胞，B细胞和免疫细胞都试图攻击癌细胞。因此，如果一个人的免疫系统很强，而且癌症还没有完全发展，我们可以了解早期如何杀死癌症，并且由于机器学习，我们可以更快地获得结果，这使我们更快地得到可行的治疗。”

这是工程师和生物学家共同研究生物学问题或问题的一个很好的例子。他希望这种方法可以被生物学家用作帮助解决复杂生物学问题的新工具，例如可能治疗阿尔茨海默病。

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。