Simba 的主要功能
Simba 是一種多功能的單細胞嵌入方法,可以將細胞和各種特徵(如基因、染色質可接近區域和 DNA 序列)共同嵌入到一個共享的潛在空間中。它允許跨多種模態對單細胞數據進行統一分析,支持細胞異質性分析、標誌基因發現、基因調控推斷、批次效應消除和多組學數據整合等任務。
細胞和特徵的聯合嵌入: 將細胞和定義特徵(如基因和染色質區域)共同嵌入到一個共同的潛在空間中
多模態分析: 支持在統一框架中分析單細胞 RNA-seq、ATAC-seq 和多組學數據
基於圖的方法: 使用圖嵌入技術來建模細胞和特徵之間的關係
無聚類分析: 在不依賴離散聚類的情況下進行標誌基因發現和細胞分析
Simba 的用例
單細胞轉錄組學: 分析基因表達異質性並在 scRNA-seq 數據中識別標誌基因
表觀基因組學研究: 研究 scATAC-seq 數據中的染色質可接近性模式和調控元件
多組學整合: 整合並聯合分析匹配的單細胞 RNA 和 ATAC 测序數據
批次效應校正: 在單細胞數據集中消除技術批次效應,同時保留生物變異
優點
多種單細胞分析任務的統一框架
無聚類方法支持更細粒度的分析
支持多種數據模態的整合
缺點
可能需要比簡單方法更多的計算資源
基於圖的方法對於某些用戶來說可能較難解釋
查看更多