抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【背景】細胞RNA配列決定(scRNA-seq)法は,個々の細胞のトランスクリプトームをプロファイリングすることによって,細胞-細胞変動を定量化するのに有利であった。scRNA-seqデータでは,遺伝子発現の変動性は1細胞から別の細胞への遺伝子発現の変化の程度を反映する。したがって,細胞-細胞変動性に焦点を当てた分析は,平均発現に基づく変化を超えて,代わりに,細胞から細胞まで広く変化するそれらに対する均一な発現を有する遺伝子を同定するのに有用である。【結果】著者らは,一般化線形モデルを用いて単一細胞RNA配列データにおける微分分布を同定するための新しい統計的フレームワークscShapesを提示する。差次的遺伝子発現に対するほとんどのアプローチは平均値のシフトを検出する。しかしながら,単一細胞データは過剰分散とドロップアウトにより駆動され,平均を超えて移動し,過剰なゼロを扱うことができる分布を用いることは,必要な場合,共変量を柔軟に調節しながら,発現分布の違いをテストすることにより,遺伝子特異的な細胞から細胞への変動性を定量化する。scShapesは,変化平均発現に依存しない微妙な変化を同定し,標準アプローチにより発見されない生物学的関連遺伝子を検出することを示した。結論:この分析はまた,単峰分布からゼロ膨張分布への分布形を切り換える遺伝子に注意を引い,転写バーストのような,これを生じる可能性のある生物学的機構に関する未解決の疑問を提起する。全体として,scShapesからの結果は,遺伝子発現が特異的摂動または細胞表現型の転写調節において果たす役割の理解を広げるのに役立つ。このフレームワークは,バイオコンダクタRパッケージ(https://github.com/Malindrie/scShapes)に組み込まれる。【JST・京大機械翻訳】