详细内容或原文请订阅后点击阅览
统计方法 mcRigor 增强单细胞数据分析中 Metacell 分区的严谨性
mcRigor 检测每个元单元分区内的可疑元单元，并为给定数据集选择最佳元单元分区方法和超参数后统计方法 mcRigor 增强单细胞数据分析中元单元分区的严谨性首先出现在《走向数据科学》上。
来源:走向数据科学本文由加州大学洛杉矶分校和 Fred Hutchinson 癌症中心博士后研究员 Pan Liu 共同撰写。潘是 mcRigor Nature Communications 文章的第一作者。自然通讯
单细胞测序技术近年来发展迅速，为揭示细胞多样性、细胞状态的动态变化和潜在的基因调控机制提供了前所未有的机会。除了广泛使用的单细胞 RNA 测序 (scRNA-seq) 1,2 之外，单细胞染色质可及性测序 (scATAC-seq) 3,4 以及转录组和染色质可及性联合分析 (scMultiome) 5 等新模式使得能够跨多个组学层以单细胞分辨率剖析细胞异质性。然而，这些技术生成的数据通常非常稀疏，主要是由于每个细胞的测序深度有限，以及不完善的逆转录和非线性扩增，导致高表达基因主导测序能力，并使低表达基因难以检测6。
1,2 3,4 5 6我们的 Nature Communications 论文 8 基于单细胞测序数据的两层模型提供了元细胞的严格统计定义：上层捕获真实表达中的生物变异，而下层则对测序过程进行建模，从真实表达生成测量表达。在此定义的基础上，我们开发了 mcRigor，这是一个统计框架，用于检测给定分区内的可疑元单元，并在候选方法-超参数配置中选择最佳元单元分区方法和超参数。
8 麦克瑞格 可疑元细胞 最优元单元划分方法和超参数 mcRigor 两步法 mcDiv 空分布 双排列 b, c, d, e, f, 得分 配音率 零率 (b) (c) 9 https://jsb-ucla.github.io/mcRigor/参考文献：
等。 纳特。协议。 单元格 161 523 23