单细胞测序相关资源

 

RNA的表达水平矩阵稀疏

把reads比对到基因组，然后计算比对到基因上的read count。发现表达矩阵十分稀疏。

 

RNA的表达水平填补问题：

相对于bulk转录组测序，单细胞测序具有更高的噪声水平。

单细胞测序时，有些基因表达量较低而无法完全被检测到，这种由技术造成的检测基因表达数据不真实的情况被称为dropout效应。与此同时，在细胞中有些基因确实没有表达，我们称之为真零值。在测序结果中，往往混杂着由于dropout效应造成的零值和真零值。

区分真零值和dropout效应造成的零值，降低技术噪音，对于单细胞测序数据后续分析具有较为重要的作用。但是这一方法也存在副作用，即其在进行数据预测填补的过程中会引入一些假阳性结果。

目前，已经有多种软件可以对单细胞测序数据进行预测和填补，其中主要原理是通过数据内部的信息，处理被软件判断为dropout效应造成的零值。一篇发表在F1000Research的文章选择了六种imputation相关的软件进行了相关评测，分为是scImpute、SAVER、DrImpute、MAGIC、dca以及knn-smoothing。

https://doi.org/10.12688/f1000research.16613.2 

• 1.Imputation 归罪， 归咎， 设算， 分配
• 2.multiple imputation 多重替代法， 多重填补， 多重插补法， 多重填补法

（REF：https://cloud.tencent.com/developer/article/1675219）

 

标签：表达,填补,dropout,测序,真零值,单细胞,资源
来源： https://www.cnblogs.com/emanlee/p/14879775.html