||
细胞发育轨迹数据库CellTracer
在单细胞层面,生物标志物的应用之一是细胞注释(cell type annotation)。生物标志物之所能够进行细胞注释,其前提条件是不同细胞类型内,生物标志物的表达(例如基因表达)具有差异。这种差异使得细胞群体分为许多细胞亚型。在单细胞研究领域,细胞注释是下游分析的前提,如果细胞注释失效,下游分析将很难开展。所以,好的细胞注释结果离不开高置信度的生物标志物。本次就介绍基于细胞标志物数据库(DISCO和CellMarker)进行细胞类型注释的细胞发育轨迹数据库CellTracer(图1)。
图1 CellTracer数据库主页
CellTracer数据库实际上是一个生物信息分析结果存储库,分析的单细胞数据(scRNA-seq)包含222个单细胞数据集(1,941,552个细胞)、转录组数据(bulk RNA-seq)包含82个数据集(17,777个样本),可以说分析数据量庞大。基于现有的细胞轨迹分析、伪时序分析、主成分分析、聚类分析等方法,CellTracer内置了12个在线工具(只能分析CellTracer数据库里面自带的数据)进行细胞发育轨迹分析、当然,CellTracer能够开放一个接口,用于分析用户自己的数据,会更加实用。
参考文献
[1] Guo Q, Wang P, Liu Q, et al. CellTracer: a comprehensive database to dissect the causative multilevel interplay contributing to cell development trajectories. Nucleic Acids Res. 2022;gkac892. doi:10.1093/nar/gkac892
以往推荐如下:
2. 因果推理综述推荐一篇
5. 你想了解因果推理吗?
6. 因果学习工具:Causal Explorer和Causal Learner
7. 小样本学习
8. 样本异质性定量化
9. 生物标志物定义及其应用
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-3-29 08:28
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社