你好。 今天我是高兴的到展示你SCA2SIGN方法到定义这签名为了这卷积开始从单身的-细胞数据。 我们将要制作还A短的示范的它。 这工作曾是完毕在合作和保罗·福格尔和阿列克谢·费多罗夫。
前到做这深的潜水关于我们的方法，让我们做这短的介绍在命令到解释你什么是这细胞反卷积。
这细胞类型反卷积是一个二氧化硅方法那允许到确认这细胞比例从大部分核糖核酸测序数据。 这方法需要到有具体的签名矩阵含有这标记基因为了每个类型的这兴趣。
我们的方法建议的到确认这签名矩阵和开始从这单细胞数据因为在单细胞数据，作为你能看这里，我们做有这转录组学简介为了每个单身的细胞从这数据展示在这组织在这样品。 每个点这里对应到这细胞。 细胞和这关闭转录组学个人资料，他们是分组的一起和形式集群。
我们能去到这下一个滑动，请。
这里你有A简短的概述的我们的方法。 我们的方法是被称为scA2SIGN,哪个站立为了单身的细胞不可知论者算法为了这卷积。作为曾是提及之前，它开始从这单细胞数据理想地未来从一些科目,个人，在命令到覆盖生物变化性那能是展示之间个人。
这单细胞数据需要到是预处理的和组装的在一数据放。 这里这细胞和A关闭转录组学轮廓所以他们是组装的进入这集群。 这表示在二方面是被称为乌玛普。
从这单细胞数据，我们需要到取回这矩阵哪个是去为了每个个人。 他们是去到包含梦在这行和集群在这列。 它方法我们需要到总计的这数据和一些矩阵相应的到每个主题代表A张量。
如果我们尝试到确认这签名正确的离开在这步，它是去到是难的因为一些集群的单细胞数据，他们关闭从转录组学阿尔波因特的看法。它能增加A问题的多重共线性。
在命令到交易和这，我们跑步一些回合的非消极的张量因式分解在命令到得到这减少张量和集合关闭集群一起在命令到定义这细胞类型和遥远转录组学简介展示在这样本。
一次再次，这结构的这数据是去到是这相同的。 我们是去到展示它在跳应用和梦在行，细胞类型在列，和一些矩阵相应的到一些科目。 从这，我们的方法建议的到二简单的标准到定义这标记基因。 这部分是去到是覆盖经过阿列克谢.
最后的但不是至少，这相同的基因能是用过的在命令到标签细胞类型是定义的经过我们的方法基于在团体的这集群。 最后的但不是至少，我们能使用A非消极的回归在命令到履行这卷积在大部分核糖核酸测序数据。
和这我们是去到讲话A小的少量更多的关于非消极的张量分解在命令到解释什么是它确切地。 非负数张量分解是A维数减少技术。 作为它曾是提及，这优势的这方法是那它允许到拿进入帐户这一些矩阵未来从一些科目和到做它在一步，比较到其他维数减少技巧喜欢ICA,什么时候你需要到跑步一些回合的ICA为了每个矩阵和下一个到寻找A共识在这数据。
作为输出是一个输入的这NTF,我们使用这矩阵之前描述作为这输出的这国家信托基金。 我们得到这成分。 我们得到这指纹为了集群这里代表经过瓦，这指纹为了这主题代表经过问。 在这指纹，他们有这基因或这签名。 指纹方法A放的基因和降低[听不清 00:05:19]定义经过H。
每个成分对应A强的生物信号展示在这数据。 如果我们制作这和的这些成分的这些强的生物信号展示在这数据加A小的错误，我们能近似这数据哪个是代表经过这方程。
和这我们能去到这下一个步和到看确切地在这应用如何这数据看起来喜欢。
正确的现在，我们是在这跳应用和你能看这输入数据必需的为了我们的方法。 在这左边，你做看这十一矩阵未来从不同的捐助者。 这矩阵有不同的名字和我们用过的这主意的这捐助者作为他们的名称。 在这桌子,我们有17 号列相应的到17 号集群识别在单细胞数据。在这行我们做有这基因名字之前经过这主意的这个人在命令到区分不同的转录组学数据未来从不同的捐助者。
一次我们已加载这数据进入这系统，我们能发射我们的加入和我们是去到看如何它看起来喜欢。 它看起来喜欢A窗户和一些参数。 这些参数是书面在Python因为这代码在后面使用Python语言。 但你做不是需要到是害怕的因为我们是去到改变仅有的一重要的范围，哪个是数字的成分在这里。
我们建议到开始和这数字的成分平等的到数字的集群展示在这数据和它是去到是平等的到17.感谢你。 和这，我们能简单地点击在这提交按钮和这应用将要跑步这算法在后面。 下一个和这，我是去到离开这地面到保罗在命令到解释这输出的NTF和到指导你下列的这下一个步的我们的方法。 感谢你为了你的注意力。
感谢你，加里亚。 这输出的这A dd-in 组成的三桌子和NTF成分沿着每个方面的这张量：细胞簇,科目,和基因。第一的，让我们看在这细胞簇成分阶段。
我打开这桌子和每个排在这桌子对应到A细胞簇在每个柱子到A成分。 那里是17 号行和17 号成分作为指定的在这加入输入范围经过加琳娜. 每个入口在这桌子对应到这加载中的A细胞簇到A成分。
现在，滚动通过这列的这桌子，我们看那一些的这成分包含许多零点喜欢成分16、哪个是好的因为它表示那这些成分近似这表达数据未来从这很少细胞集群和非零负载。 这里我们有确切地一细胞簇和A一，和全部的我们是零，或者几乎零。
这事实那细胞集群有非零负载在这相同的成分表示A高的程度的共线性，所以重组的这些集群是建议。 我们有一个例子这里和成分12、在哪里三实际上细胞集群有非零负载。现在，让我们看在这主题成分桌子。
我打开它和滚动通过这列的这桌子,我们看现在那不像这地点集群成分桌子，这列这里趋向到是稠密，和仅有的A很少零点这里和那里。 这是好的因为它节目那最多科目贡献到每个成分。 在其他字，这表达数据近似的经过每个成分，或者我们称呼它指纹，适用到最多科目。在A感觉，这指纹是普遍的。
现在，跳有一个出色的特征那允许你到看法这直方图的这列在这顶部的这桌子。 让我们点击在这图标这里，和我们现在看全部这直方图。 我们看那这列是更多的或者较少的稠密反正，和它将要是好的到是有能力的到量化这程度的稀疏性的每个柱子。 如何做我们做那？ 到量化这程度的虚假涉及这细胞簇和主题成分。 我们使用这指数代表经过这公式。
这公式曾是介绍经过赫芬达尔和赫希曼到评价这程度的专注达到了经过字段。为了例子，到避免垄断情况那能结果从合并。 起初，这逆公式曾是发表,但为了简单，我们将要继续到参考到这指数作为这HHI 指数。
相似的索引有到过建议的更多的最近。 他们是数学上相等的，但这指数有这优势的存在非常可解释的作为它给出这数字的不可忽视的条目在这向量哪个是突出显示这里。 在这例子，我们有A数字的价值观，但仅有的这突出显示价值观是不可忽视的。 这HHI指数的这向量是五。
返回到我们的工作流程，我们看如何这指数允许我们到确认成分那是稀疏沿这细胞簇方面和稠密沿着这主题方面。 我们称呼这些成分稀疏而稳健。他们是红色的十字架这里和高的主题现代重工和低的簇边簇HHI 开启这顶部的这场地。
基于在这些四成分，我们能制作这必要的分组的视线集群到排除共线性和这其余的细胞集群这里...抱歉打扰了。[听不清 00:13:22]。我刚刚输了[听不清 00:13:22]，我会把它放在这里。
这蓝色的穿过这里对应到这其余的细胞集群那将要是重新引入在A第二迭代的这分析。 笔记出色地那这地址和这最强信号，后存在已确定经过这NTF,成分是已删除从这数据放和这下一个NTF开始超过和这减少数据放。
到阐明这过程...我是对不起但我有A问题和这里和这... 它使再次出现。
到阐明这过程，让我们现在看在如何这些迭代的这递归的NTF玩出去。 我们看这里这HHI表从这第一的迭代哪个将要帮助我们决定哪个NTF成分到保持和哪个到发现。作为提及早些时候，好的成分是那些那是具体的的仅有的A很少细胞簇特雷斯哪个翻译在这低的细胞簇HHI 指数。这些是贴上标签行这里在这底部的这桌子。
我们还跑步一高的程度的鲁棒性到主题多样性和这翻译进入A高的HHI 指数。 如何做我们决定无论一个HHI值是低的或者高的？ 我们能使用那这跳[听不清 00:15:47]平台哪个是可用的在这专家造型平台。 我们跑步这平台和我们申请A普通的利基模型到区分之间低的和高的HHI值和停止这结果分类。
什么时候我们做那，我们看这里这红色的十字架相应的到这成分那是已选择因为他们有A高的HHI主题指数和A低的现代重工细胞簇指数和他们是自动地已确定作为这样的经过这跳普通的平台。
让我们看现在在这负载的这细胞团在这些特别的成分。 我们看在成分15和成分16那细胞簇15和细胞簇17有只联系这些成分所以他们能是出色地近似的经过这些成分。 在对比到这些细胞簇，在成分13、我们看三-边集群重新组合沿着这成分。 这方法那他们是相关的不知何故，它将要是难的到区分他们，所以它是更好的到重组他们。相似地在成分12、和这细胞团5、2 和 14。
我们能现在看在A第二迭代的这递归国家信托基金。 相似地我们看在这成分HHI 开启这科目和在这细胞团和我们看现在那仅有的一成分，成分四、满足这些再培训要求为了存在保留期间这迭代。 如果我们看现在在这成分观众，我们看那细胞簇七是只联系和这成分。 好的。
现在那我们有完毕那，我们是不是去到展示你全部的这迭代。 实际上，那里是四迭代和我们结尾向上现在和这些分组那我们看这里。 我们有实际上九细胞集群后重新组合。一些的他们是分组的三或者四原来的细胞簇。 然而，五细胞团做过不是需要到是重新组合。 什么是这生物意义的这些分组？
经过匹配这最多高度表达基因在每个细胞簇和生物信息学数据库，它是可能的到联系这细胞团和已知生物细胞类型。 为了例子，这NTF分组2- 5-14曾是已确定作为A自然杀手CD8细胞类型。
我们成立那那里是一些分组那实际上尖到这相同的主要的钥匙细胞类型。 所以，我们决定到合并他们和来了向上和五主要的细胞类型。 然而，它是仍然可能的到提炼签名为了[听不清 00:20:12]细胞类型英语那能是用过的在A第二阶段的这卷积。 但我们将要来后退到这观点在这结尾的这推介会。
让我们现在看在这结果减少张量。 我是只是开幕这桌子。 你看这里这桌子，和作为预期的，那里是现在五行相应的到这重新组合细胞集群。
现在那我们有介绍簇分组到最小化共线性，我将要有阿列克谢解释如何我们继续到创造签名基因那是最多有效的为了分解。
一次这细胞集群是分组,我们做仍然需要到创造基因签名为了每个的这分组到确保准确的卷积的这混合的样品。 迄今为止，我们有经过考虑的这细胞和主题成分向量。 让我们现在考虑这基因成分向量。
这桌子我们看这里是不是真的内容丰富。 我们能仅有的看零点到处到期的到这事实那仅有的小的少数民族的基因有实际上非零负载在这NTF成分。 如果你能去到这下一个迭代，请，保罗.
让我们现在检查这负载的这基因在这表示的这成分哪个我们已经被称为疏和强壮的。
这些是已选择期间这第一的迭代的这递归的国家信托基金。 我们看这里在红色的那一些的这独特的基因是共享经过全部成分。我们知道出色地那每个成分是具体的到A特别的细胞簇或者A团体的关闭细胞簇。 这方法那一些的这基因是实际上强烈地表达在一些集群和一些程度的线性度之间这细胞集群。
这是确切地如何利基作品。 生物部分是不是一定正交到每个其他。 所以，我们不能依靠独自在NTF基因成分到确认基因标记那是独特的到A细胞簇或者A团体的这，我们必须返回到这实际的表达数据。
我们是得到后退到表达数据和我们将要介绍二标准。 这第一的一为了A基因到是经过考虑的这标记基因的A特别的细胞簇，我们说那它应该总是是更多的表达在这簇比在其他簇,不管的哪个主题是经过考虑的。 这是显示在数字底部左边，在哪里我们有所描绘的二基因。
和一些[听不清 00:23:20],我们看那这些点在这左边对应到A独特的标记基因为了乙细胞。我们能看仅有的乙细胞到处。 在这正确的， A非标记基因是高度表达在两个都乙细胞，非古典单核细胞和自然的杀手细胞。
这第二标准将要是那这联系细胞簇应该不是仅有的是在这顶部的这其他集群。 什么时候我们看在这表达的这市场基因超过[听不清 00:23:55]科目和细胞类型，但还它应该是出色地先的其他的。
为了这，我们使用这分数和A正式的问题在这正确的那是建议的经过[听不清 00:24:09]在他们的原来的纸。这分数反映这特异性的A基因标记。 这分数是基于独自在这分配的基因表达穿过科目和细胞类型。 因此申请这到标准，我们获得A列表的173标记基因那能随后是用过的为了这卷积。
在这桌子，他们是列出一起和这价值观那见面这二标准我有谈过关于。
让我们现在看在这桌子的签名基因为了每个的这主题和主要的细胞类型。 这里我们看这列表的基因和这列对应到每个其他的科目和这相同的列表的细胞类型为了每个的这主题。在对比到这桌子的NTF负载那我们显示之前，这桌子是不是疏，所以它是有限的仅有的到173标记基因那我们已选择根据到我们的标准和[听不清 00:25:26]基因。作为我说，这列是为了主题细胞类型。
我们将要现在可视化如何这签名基因是表达穿过科目。为了那，我们将要使用这第二插入我们发达哪个是被称为阿德鲁比。 这将要允许我们到容易地评估这鲁棒性的这基因签名我们得到。
我们打开A小的窗户和A列表的参数在Python句法作为为了这第一的插入。 这默认价值观有到过已经填充在和我们将要现在仅有的充满在为了示范，这价值为了这范围哪个是被称为规模沿着。
自从这表达范围不同显著地之间基因,我们将要放这范围到零到有全部这列缩放的和我们提交。 只是A很少秒和我们看A图片和清楚的签名为了每个主要的细胞类型。然而，我们看那这热地图是胶合一起在之间科目和我们能实际上， 和这插入，非常容易地添加分隔符在之间这列为了每个的这科目。
为了这，我们改变这价值的这范围元数据九月列到主题和我们重新提交。现在我们得到这分离热地图为了每个的这科目。这是很多更清晰和作为你已经看到,这小的窗户包含很多的参数。 你能参考到这文档为了这潜在的Python包裹哪个是可用的点击在这关联。
得出结论，我们看这里实际上那这签名基因是非常强壮的。我们看非常小的不同之处在不同的科目。 喜欢那我们能视觉上非常容易地确认这鲁棒性的[听不清 00:28:09] 。
现在我们是接近这结尾的我们的推介会，我将要让加林娜展示一些反卷积结果那是获得和这基因签名[听不清 00:28:22] 。加琳娜.
是的，感谢你。 最后的但不是至少，我们会喜欢到展示你这表现的我们的方法。 到评价这表现的我们的方法，我们使用这发表数据未来从白色的纸所以提及在提示他的参考。 这数据放含有21不同的细胞混合物。 那里是这混合物的不同的时间细胞亚型， NK细胞细胞，单核细胞和乙细胞。
在这些混合物，我们有还三不同的细胞类型不是覆盖经过我们的签名相应的到调色师或者胸部癌症细胞和二细胞线喜欢成纤维细胞和这尾巴细胞。
我们决定到使用二标准评估全面的表现的我们的方法皮尔逊相关性系数或者[听不清 00:29:18] A索引系数因为我们能得到非常重要的相关性之间估计的和地面真相比例，但我们能有这改变在这规模识别这数量的细胞展示在这样本。 那是为什么我们使用二标准。
全面的，我们获得好的结果为了细胞类型覆盖经过我们的签名。 这结果是轻微地不是所以美丽的为了时间细胞因为我们不有精确的一致之间时间细胞子集展示在这混合物和时间细胞团体呈现在我们的签名。 我们有还效应r细胞和在这混合物，这细胞类型曾是不是添加。
最后的但不是至少，我们会喜欢还到提到和我们的方法你能去超过和确认这亚型的时间细胞，这单核细胞跑步递归的NTF和定义这标记基因为了每个大的团体的免疫细胞。 还那这些插件那有到过呈现和证明了今天，他们是可用的在跳应用。
和这，感谢你为了你的注意力。
