从单个细胞的动态和几何特征中学习细胞特异性网络

细胞动态与基因网络推断：基于单细胞数据与流形几何的信息论方法研究。该方法通过整合单细胞动态信息与细胞状态流形的几何特征，构建了不依赖生物学轨迹拓扑结构的细胞特异性因果基因网络推断框架，在多项发育生物学实验数据集验证中表现出优越性能。

　　

亮点

•

通过对细胞动态的估计，可以推断出定向的相互作用网络

•

超越伪时间排序，可以实现更灵活、更准确的推断

•

locaTE利用细胞状态流形上的动态估计来进行网络推断

•

对基准进行系统评估，并将其应用于单细胞数据

总结

细胞动态和生物功能由复杂的分子相互作用网络所调控。从数据中推断这些相互作用是一个众所周知的难题。大多数现有的网络推断方法构建的是基因相互作用网络的群体平均表示，它们无法自然地帮助我们理解不同细胞群体之间的相互作用活性差异。我们提出了locaTE，这是一种信息论方法，它利用单细胞动态信息以及细胞状态流形的几何结构，来推断特定于细胞的因果基因相互作用网络，而不依赖于潜在生物轨迹的拓扑结构。通过广泛的模拟研究以及对小鼠原始内胚层形成、胰腺发育和造血过程的实验数据集的应用，我们证明了locaTE相比标准的群体平均推断方法具有更优越的性能，并能提供额外的见解。我们发现，locaTE是一种强大的网络推断方法，可以从单细胞数据中提取特定于细胞的网络信息。本文的透明同行评审过程记录包含在补充信息中。

图形摘要

获取全文访问权限

登录、订阅或购买以获取完整访问权限。

获取访问权限