scGate:基于标记的单细胞测序细胞类型纯化数据
在单细胞数据分析中,一个常见的生物信息学任务是从异质数据集中纯化感兴趣的细胞类型或细胞群。”scGate’自动化了基于标记的特定细胞群纯化,无需训练数据或参考基因表达谱。简单地说,“scGate”接受以下输入:i)存储在“Seurat”对象中的基因表达矩阵,ii)“门控模型”(GM),由一组定义感兴趣的细胞群体的标记基因组成。转基因可以像单个标记基因一样简单,也可以是阳性和阴性标记的组合。更复杂的GM可以以层次化的方式构建,类似于流式细胞术中使用的门控策略。”scGate使用基于等级的方法“UCell”评估每个单元格中签名标记表达式的强度,然后通过计算相邻单元格的平均“UCell”得分来执行k最近邻(kNN)平滑。kNN-smoothing旨在补偿scRNA-seq数据中的大量稀疏性。最后,在由用户提供的门控模型生成的二叉决策树中应用基于kNN平滑签名分数的通用阈值,根据感兴趣的细胞群将细胞标注为“纯”或“不纯”。参见相关出版物Andreatta等人(2022年)<doi:10.1093/bioinformatics/btac141>.
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=scGate链接到此页面。