Kernel-Based Testing for Single-Cell Differential Analysis

要約

単一細胞技術は、遺伝子発現やエピゲノム修飾などの分子特徴の分布に関する貴重な洞察を提供してきました。
ただし、これらの複雑な分布を制御された強力な方法で比較するには、方法論的な課題が生じます。
ここでは、カーネル テスト フレームワークの利点を活用して、分子の特徴の複雑なセルごとの分布を、カーネルの埋め込みに基づいて非線形な方法で比較することを提案します。
私たちのフレームワークは、特徴ごとの分析を可能にするだけでなく、トランスクリプトームやエピゲノムの複雑な依存関係を考慮したグローバルな比較も可能にします。
分類器を使用して細胞の埋め込みの多様性に基づいて細胞を識別することにより、私たちの方法は、他の方法では検出されないであろう細胞集団の不均一性を明らかにします。
我々は、カーネル テストが単一セル専用の差分解析手法の限界を克服することを示します。
カーネル テストは分化細胞の復帰プロセスを調査するために適用され、復帰段階と分化段階の間の移行段階にある細胞を首尾よく特定します。
さらに、単一細胞の ChIP-Seq データを分析し、持続細胞と同様のエピゲノム プロファイルを示す未治療の乳がん細胞の部分集団を特定します。

要約(オリジナル)

Single-cell technologies have provided valuable insights into the distribution of molecular features, such as gene expression and epigenomic modifications. However, comparing these complex distributions in a controlled and powerful manner poses methodological challenges. Here we propose to benefit from the kernel-testing framework to compare the complex cell-wise distributions of molecular features in a non-linear manner based on their kernel embedding. Our framework not only allows for feature-wise analyses but also enables global comparisons of transcriptomes or epigenomes, considering their intricate dependencies. By using a classifier to discriminate cells based on the variability of their embedding, our method uncovers heterogeneities in cell populations that would otherwise go undetected. We show that kernel testing overcomes the limitations of differential analysis methods dedicated to single-cell. Kernel testing is applied to investigate the reversion process of differentiating cells, successfully identifying cells in transition between reversion and differentiation stages. Additionally, we analyze single-cell ChIP-Seq data and identify a subpopulation of untreated breast cancer cells that exhibit an epigenomic profile similar to persister cells.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google