From cell to sample: improving bulk RNA-seq classification by transferring gene signature from single cells
编号：10
访问权限：仅限参会人
更新：2022-07-01 13:39:26
浏览：539次
口头报告
报告开始：2022年07月23日 17:10 （Asia/Shanghai）
报告时间：15min
所在会议：[S5] 分会场5 » [S5-1] 单细胞组学技术开发与应用
暂无文件
摘要
单细胞 RNA 测序 (scRNA-seq) 技术的发展和应用促进了细胞水平上转录组的研究，并积累了大量单细胞基因表达数据。鉴于单细胞数据样本量大、能够反映基因表达多样性等特点，我们提出了一种转录组学数据嫁接的新方法——scPAGE，旨在利用单细胞数据的基因表达信息扩充样本空间，从而提高bulk 数据的分类效果。scPAGE通过研究基因对（gene pair）的相对表达在疾病与正常单细胞中的不同模式来降低单细胞数据稀疏与高噪音等因素的影响，提取更为稳定的基因特征。针对急性髓系白血病（acute myeloid leukemia，AML）与脓毒症（sepsis），我们分别构建了单细胞基因对表达特征（single-cell gene pair signature, scGPS）。相对于传统基于差异基因以及在bulk数据上提取的基因表达特征，scGPS在多套bulk数据集中都显示了较高的分类准确性。综上所述，我们提出了一种全新的数据嫁接方案，将单细胞的基因特征应用于bulk数据分类，充分利用了单细胞数据的优势，提升了分类效果，实现了有效信息的跨平台转移。
关键字
single cell;gene expression;information transfer;gene pair
报告人
程立新
副研究员 深圳市人民医院主要研究方向为生物信息学及医学大数据分析，通过机器学习和数据挖掘技术从多维组学数据中识别稳定的分子标志物，对疾病进行早期筛查及预后评估。课题组形成了具有特色的科研理论体系，在生物医学数据的整合与嫁接领域积累了丰富的经验。整合与多维组学映射领域积累了丰富的经验。以第一或通讯作者发表SCI论文近30篇，包括Bioinformatics、 Briefings in Bioinformatics、Clinical and Translational Medicine、Analytical Chemistry、Plant Journal 等。参与发表论文十余篇，包括Nature Communications、Nature Plant、Nucleic Acids Research、Plant Cell等。担任Bioinformatics、Nucleic Acids Research、Briefings in Bioinformatics、Theranostics等期刊评审专家。
发表评论