scRCA: خط أنابيب قائم على شبكة سيامية لتوصيف أنواع الخلايا باستخدام بيانات مرجعية غير مثالية لتسلسل RNA للخلايا الفردية

الملخص: تعتبر عملية تحديد وتوصيف أنواع الخلايا بدقة خطوة حاسمة في تحليل بيانات النسخ الجيني للخلايا الفردية (scRNA-seq). عادة ما يتم إجراء هذا التوصيف من خلال تحليل مقارن مع مجموعات بيانات معروفة (مرجعية) - والتي تفترض تمثيلاً دقيقاً لأنواع الخلايا داخل العينة المرجعية. ومع ذلك، غالبًا ما تكون هذه الافتراضات غير صحيحة، لأن عوامل مثل الأخطاء البشرية في المختبر أو في البرمجيات، والقيود المنهجية، يمكن أن تؤدي في النهاية إلى أخطاء في التوصيف في مجموعة البيانات المرجعية. حيث أن خطوط الأنابيب الحالية لتحليل النسخ الجيني للخلايا الفردية لا تأخذ في الاعتبار هذا التحدي بشكل كافٍ، هناك طلب كبير على خط أنابيب حاسوبي يحقق توصيفًا عالي الجودة لأنواع الخلايا باستخدام مجموعات بيانات مرجعية غير مثالية تحتوي على أخطاء كامنة (غالبًا ما يشار إليها باسم "الضجيج"). هنا، قمنا ببناء خط أنابيب قائم على شبكة سيامية، يسمى scRCA، الذي يحقق توصيفًا دقيقًا لأنواع الخلايا باستخدام بيانات مرجعية غير مثالية. ولتمكين الباحثين من تحديد ما إذا كانوا سيثقون بتوصيفات scRCA، تم تطوير مفسر لاستكشاف العوامل التي يستند إليها نموذج scRCA في إجراء توقعاته. كما قاموا بتنفيذ 3 طرق تعتمد على خسائر مقاومة للضجيج لتحسين الدقة باستخدام مجموعة بيانات غير مثالية. أظهرت التجارب المرجعية أن scRCA يتفوق على الطرق المقترحة المستندة إلى خسائر مقاومة للضجيج والطرق المستخدمة عادة في توصيف أنواع الخلايا باستخدام بيانات مرجعية غير مثالية. والأهم من ذلك، نوضح أن scRCA يمكن أن يتغلب على تأثيرات الدفعات الناتجة عن تقنيات تسلسل RNA للخلايا الفردية المميزة. نتوقع أن يكون scRCA (https://github.com/LMC0705/scRCA) أداة عملية لتوصيف أنواع الخلايا باستخدام نهج قائم على مجموعة بيانات مرجعية.