Simba의 주요 기능
Simba는 세포와 유전자, 크로마틴 접근 가능 영역 및 DNA 서열과 같은 다양한 기능을 공유 잠재 공간에 공동 임베딩하는 다목적 단일 세포 임베딩 방법입니다. 이는 여러 모달리티에 걸쳐 단일 세포 데이터의 통합 분석을 가능하게 하여 세포 이질성 분석, 마커 발견, 유전자 조절 추론, 배치 효과 제거 및 오믹스 데이터 통합과 같은 작업을 수행할 수 있게 합니다.
세포 및 기능의 공동 임베딩: 세포와 유전자 및 크로마틴 영역과 같은 정의된 기능을 공통 잠재 공간에 공동 임베딩합니다
다중 모달 분석: 단일 세포 RNA-seq, ATAC-seq 및 다중 오믹스 데이터를 통합된 프레임워크에서 분석하는 것을 지원합니다
그래프 기반 접근법: 세포와 기능 간의 관계를 모델링하기 위해 그래프 임베딩 기술을 사용합니다
클러스터링 없는 분석: 분리된 클러스터링에 의존하지 않고 마커 발견 및 세포 분석을 가능하게 합니다
Simba의 사용 사례
단일 세포 전사체학: scRNA-seq 데이터에서 유전자 발현 이질성을 분석하고 마커 유전자를 식별합니다
후생유전학 연구: scATAC-seq 데이터에서 크로마틴 접근성 패턴과 조절 요소를 조사합니다
다중 오믹스 통합: 일치하는 단일 세포 RNA 및 ATAC 시퀀싱 데이터를 통합하고 공동 분석합니다
배치 효과 수정: 생물학적 변이를 유지하면서 단일 세포 데이터 세트에서 기술적 배치 효과를 제거합니다
장점
다양한 단일 세포 분석 작업을 위한 통합 프레임워크
클러스터링 없는 접근법은 더 세밀한 분석을 가능하게 합니다
다양한 데이터 모달리티의 통합을 지원합니다
단점
더 간단한 방법보다 더 많은 계산 자원이 필요할 수 있습니다
그래프 기반 접근법은 일부 사용자에게 해석하기 복잡할 수 있습니다
더 보기