详细内容或原文请订阅后点击阅览
从混乱到清晰：新工具在复杂的单元数据中找到连接
想象着看着成千上万的拼图碎片，并试图猜测它们创建的图片。没有任何参考点，几乎是不可能的。
来源:英国物理学家网首页想象着看着成千上万的拼图碎片，并试图猜测它们创建的图片。没有任何参考点，几乎是不可能的。
以类似的方式，当今生物学家在试图理解构成数千个单个单个细胞的实验生成的巨大数据集时面临重大挑战。有了这么多的基因组信息（但没有太多背景），因此很难理解该数据如何转化为人类健康和疾病。
研究人员通过定义细胞类型来解决此问题，类似于在组装之前如何按颜色或图案对拼图进行分类。但是，就像如果您的伴侣使用不同的标准对零件进行分类，很难在难题上进行协作一样，科学家对如何在研究中比较细胞类型感到困扰。
现在，Gladstone Institutes的一个团队推出了一个解决此问题的强大计算工具。这种称为CellWalker2的新方法允许科学家确定细胞类型的相关性并确定可能影响健康的细胞组，从而更好地了解他们正在研究的细胞。
“以前的方法没有利用细胞类型之间的关系，” L.K. Katie Pollard博士说。惠提尔（Whittier）Gladstone数据科学与生物技术研究所主任，领导了发表在细胞基因组学上的新研究。 “有了我们的新工具，我们使用了某些细胞类型是兄弟姐妹而不是遥远的表亲的事实。”
已发布揭示细胞类型之间的关系
呈现新研究的基因组数据时，CellWalker2将识别出精确的细胞类型，如果可以的话，它将分配更广泛的标签。