从单组学到多组学及其广泛应用（三）

文章预览

单细胞多组学的数据整合策略 多组学数据集成的一个主要目标是实现稳定和敏感的细胞类型或细胞状态识别。这种整合的多组学细胞特性观点可以提高我们对分化轨迹、其潜在的基因调控网络、细胞-细胞相互作用、微环境空间组织、细胞谱系和克隆动力学的理解。 最终以细胞同一性的整体观点解开导致所观察到的细胞表型的不同分子层之间的因果关系。 然而，为了实现有意义的高维数据模式集成，需要开发计算和统计模型，以考虑这些技术的技术和生物复杂性。 计算方法可以整合使用多组学方法(例如，转录组和蛋白质数据)从单细胞中获得的测量属性(即特征)。这些方法可以分为四大类。 基于定量因果模型的集成： 例如RNA合成、剪接、翻译和降解的速率可以用微分方程来建模，单细胞多组学数据(例如基因和蛋白质表达数据)可以用来拟合模型。 ………………………………