文献

J-GLOBAL ID：202202287876441854   整理番号：22A0749705

DecOT:単一細胞参照を用いた最適輸送損失によるバルクデコンボリューション【JST・京大機械翻訳】

DecOT: Bulk Deconvolution With Optimal Transport Loss Using a Single-Cell Reference

著者 (3件)： Liu Gan (1Department of Information and Computing Science, University of Science and Technology Beijing, Beijing, China) ,  Liu Xiuqin (1Department of Information and Computing Science, University of Science and Technology Beijing, Beijing, China) ,  Ma Liang (2Key Laboratory of Zoological Systematics and Evolution, Institute of Zoology, Chinese Academy of Sciences, Beijing, China)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 13  ページ： 825896  発行年： 2022年 
JST資料番号： U7071A  ISSN： 1664-8021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 組織は不均一な細胞型から成る。単一細胞RNA配列決定は生物細胞組成のより深い理解への道を開いたが,高コストと技術的ノイズはその広い応用を妨げてきた。代替として,バルク組織の計算デコンボリューションは費用対効果の高い解決策である。本研究では,損失としてWasserstein距離を用いるデコンボリューション法,DecOTを提案し,バルク組織RNA-seqデータからの細胞型組成を特性化するための参照としてscRNA-seqデータを適用した。DecOTにおけるWasserstein損失は遺伝子空間からの付加的情報を利用することができる。DecOTはまた,個々の/バッチ効果を緩和するために,複数の個人の参照からデコンボリューション結果を統合するためのアンサンブルフレームワークを適用する。4つの異なる単一セルデータセットと実際のすい島バルクサンプルからの擬似バルクデータに関する4つの最近提案された正方形損失ベースの方法によるDecOTのベンチマーキングによって,著者らはDecOTが他の方法より優れて,アンサンブルフレームワークが参照の選択に対してロバストであることを示した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  組織 ,  データ ,  RNA【核酸】 ,  遺伝子 ,  *細胞 ,  *デコンボリューション ,  遺伝学実験技術 ,  ロバスト性 ,  Langerhans島 ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： ベンチマーキング ,  費用対効果 ,  *単一細胞 ,  細胞型 ,  RNA-seq , 【Automatic Indexing@JST】

著者キーワード (5件)： バルクRNA配列決定 ,  単一細胞RNA配列決定 ,  細胞型デコンボリューション ,  Wasserstein距離 ,  最適輸送

分類 (3件)： 分子・遺伝情報処理  (JE15040B) ,  遺伝子の構造と化学  (EC02020U) ,  遺伝子発現  (EC02040Q)

引用文献 (42件)：

• AfsharA., YinK., YanS., QianC., HoJ. C., ParkH., et al (2020). Swift: Scalable Wasserstein Factorization for Sparse Nonnegative Tensors. arXiv preprint arXiv:2010.04081.
• ArjovskyM., ChintalaS., BottouL. (2017). “"Wasserstein Generative Adversarial Networks,"” in International Conference on Machine Learning (PMLR), Sydney, Australia, 214-223.
• Avila CobosF., Alquicira-HernandezJ., PowellJ. E., MestdaghP., De PreterK. (2020). Benchmarking of Cell Type Deconvolution Pipelines for Transcriptomics Data. Nat. Commun. 11 (1), 1-14. doi: 10.1038/s41467-020-19015-1
• Avila CobosF., VandesompeleJ., MestdaghP., De PreterK. (2018). Computational Deconvolution of Transcriptomics Data from Mixed Cell Populations. Bioinformatics 34 (11), 1969-1979. doi: 10.1093/bioinformatics/bty019
• BaronM., VeresA., WolockS. L., FaustA. L., GaujouxR., VetereA., et al (2016). A Single-Cell Transcriptomic Map of the Human and Mouse Pancreas Reveals Inter- and Intra-cell Population Structure. Cel Syst. 3 (4), 346-360. doi: 10.1016/j.cels.2016.08.011

タイトルに関連する用語 (6件)： 単一細胞 ,  参照 ,  輸送 ,  損失 ,  バルク ,  デコンボリューション