性依存的遺伝子発現パターンを用いたプールされたsnRNA-seqの正確なサンプルデコンクボリューション

単一核RNAシーケンシング（snRNA-seq）技術は、細胞型特異的な遺伝子発現パターンを研究するための前例のない解像度を提供します。しかし、snRNA-seqは高コストと技術的制限を伴い、しばしば独立した生物学的サンプルをプールすることと、個々のサンプルレベルのデータの喪失を要求します。本研究では、固有の特徴を用いたサンプル識別のデコンクボリューションが、プールされたバーコーディングおよびシーケンシングプロトコルの組み込みを可能にし、実験サンプルサイズやシーケンシングコストを増加させることなく、データスループットと分析サンプルサイズを増加させることができることを示します。この研究では、性依存的遺伝子発現パターンをプールされたsnRNA-seqデータのデコンクボリューションに活用できるという概念実証を示します。ラットの腹側被蓋区域からの以前に発表されたsnRNA-seqデータを使用して、雄ラットと雌ラットの細胞で差次的に発現する遺伝子を用いて、細胞の性を分類するためのさまざまな機械学習モデルを訓練しました。性依存的遺伝子発現を利用したモデルは、細胞の性を高い精度（93%-95%）および一般化能力を持って予測し、性染色体遺伝子発現のみを用いた単純な分類モデル（88%-90%）を上回りました。この研究は、将来のsnRNA-seq研究が二つの性のプールサンプルシーケンシングデザインを用いてサンプルデコンクボリューションを行うためのモデルを提供し、固有のサンプル特徴からサンプル識別をデコンクボルするためのさまざまな機械学習アプローチの性能を基準セットします。