Ciao. Oggi Io sono lieto A presente Voi scA2SIGN metodo A definire IL firme per IL convoluzione di partenza da separare- cella dati. Noi Volere Fare Anche a corto dimostrazione Di Esso. Questo lavoro era Fatto In collaborazione con Paolo Fogel E Aleksej Fedorov.
Prima A Fare IL profondo tuffo Di Nostro metodo, andiamo Fare IL corto introduzione In ordine A spiegare Voi Che cosa È IL cella deconvoluzione.
IL cella tipo deconvoluzione È UN silice metodo Quello consente A identificare IL cella proporzioni da massa RNA sequenziamento dati. Questo metodo richiede A Avere specifico firma matrici contenente IL marcatore geni per ogni tipo Di IL interesse.
Nostro metodo proposto A identificare Questo firma matrice E inizio da IL dati a cella singola Perché In dati a cella singola, COME Voi Potere Vedere Qui, Noi Fare Avere IL trascrittomico profili per ogni separare cella da IL dati presente In IL tessuto In IL campioni. Ogni punto Qui corrisponde A IL cella. cellule con IL Chiuso trascrittomico profili, Essi Sono raggruppati insieme E modulo cluster.
Noi Potere andare A IL Prossimo diapositiva, Per favore.
Qui Voi Avere a breve panoramica Di Nostro metodo. Nostro metodo È chiamato scA2SIGN, Quale sta in piedi per separare cella agnostico algoritmo per IL convoluzione. COME era menzionato precedentemente, Esso inizia da IL dati a cella singola idealmente in arrivo da parecchi soggetti, individui, In ordine A copertina biologico variabilità Quello Potere Essere presente fra individui.
IL dati a cella singola Bisogno A Essere preelaborato E assemblato In uno dati impostato. Qui IL cellule con a vicino trascrittomico profilo COSÌ Essi Sono assemblato in IL cluster. Questo rappresentazione In due dimensioni È chiamato UMAP.
Da Questo dati a cella singola, Noi Bisogno A recuperare IL matrici Quale Sono andando per ogni individuale. Essi Sono andando A contenere sogni SU IL righe E cluster SU IL colonne. Esso significa Noi Bisogno A aggregato IL dati E parecchi matrici corrispondente A ogni soggetto rappresenta a tensore.
Se Noi Tentativo A identificare IL firme Giusto lontano A Questo fare un passo, suo andando A Essere difficile Perché Alcuni cluster Di dati a cella singola, Essi vicino da trascrittomico al punto Di visualizzazione. Esso Potere aumentare a problema Di multicollinearità.
In ordine A Affare con Questo, Noi correre parecchi giri Di non- negativo tensore fattorizzazione In ordine A Ottenere IL ridotto tensore E assemblare vicino cluster insieme In ordine A definire IL cella tipi con distante trascrittomico profili presente In IL campione.
Una volta Ancora, IL struttura Di IL dati È andando A Essere IL Stesso. Noi Sono andando A spettacolo Esso In Salto applicazione con sogni SU righe, cella tipi SU colonne, E parecchi matrici corrispondente A parecchi soggetti. Da Questo, Nostro metodo proposto A due semplice criteri A definire IL marcatore geni. Questo parte È andando A Essere coperto di Alessio.
Scorso Ma non meno, IL Stesso geni Potere Essere usato In ordine A etichetta cella tipi Sono definito di Nostro metodo basato SU gruppi Di IL cluster. Scorso Ma non meno, Noi Potere utilizzo a non- negativo regressione In ordine A eseguire IL convoluzione SU massa RNA sequenziamento dati.
Con Questo Noi Sono andando A parlare a poco morso Di più Di non- negativo fattorizzazione tensoriale In ordine A spiegare Che cosa È Esso esattamente. Non negativo fattorizzazione tensoriale È a dimensionalità riduzione tecnica. COME Esso era menzionato, IL vantaggio Di Questo metodo È Quello Esso consente A Prendere in account IL parecchi matrici in arrivo da parecchi soggetti E A Fare Esso A uno fare un passo, confrontando A altro dimensionalità riduzione tecniche Piace ICA, Quando Voi Bisogno A correre parecchi giri Di ICA per ogni matrice E Prossimo A Trovare a consenso In IL dati.
COME produzione È UN ingresso Di IL NTF, Noi utilizzo IL matrici precedentemente descritto COME IL produzione Di IL NTF. Noi Ottenere IL componenti . Noi Ottenere IL impronte digitali per cluster Qui rappresentato di IN, IL impronte digitali per IL soggetto rappresentato di Q. In Questo impronta digitale, Essi Avere IL geni o IL firma. Impronte digitali significa a impostato Di geni con inferiore [inudibile 00:05:19] definendo di H.
Ogni componente corrisponde a forte biologico segnale presente In IL dati. Se Noi Fare IL somma Di questi componenti Di questi forte biologico segnali presente In IL dati più a piccolo errore, Noi Potere approssimativo IL dati Quale È rappresentato di Questo equazione.
Con Questo Noi Potere andare A IL Prossimo fare un passo E A Vedere esattamente In IL applicazione Come IL dati sembra Piace.
Giusto Ora, Noi Sono In IL Salto applicazione E Voi Potere Vedere IL ingresso dati necessario per Nostro metodo. SU IL Sinistra, Voi Fare Vedere IL undici matrici in arrivo da diverso donatori. IL matrici Avere diverso nomi E Noi usato IL idea Di IL donatori COME loro nomi. In IL tavoli, Noi Avere 17 colonne corrispondente A 17 cluster identificazione In dati a cella singola. SU IL righe Noi Fare Avere IL gene nomi preceduto di IL idea Di IL individuale In ordine A distinguere diverso trascrittomico dati in arrivo da diverso donatori.
Una volta Noi caricato IL dati in IL sistema, Noi Potere lancio Nostro componente aggiuntivo E Noi Sono andando A Vedere Come Esso sembra Piace. Esso sembra Piace a finestra con parecchi parametri. Questi parametri Sono scritto In Pitone Perché IL codice dietro utilizzo Pitone lingua. Ma Voi Fare non Bisogno A Essere Paura Perché Noi Sono andando A modifica soltanto uno importante parametro, Quale È numero Di componenti In Qui.
Noi suggerire A inizio con IL numero Di componenti pari A numero Di cluster presente In IL dati E suo andando A Essere pari A 17. Grazie Voi. Con Questo, Noi Potere semplicemente clic SU IL invia pulsante E IL applicazione Volere correre IL algoritmo dietro. Prossimo con Questo, Io sono andando A Partire IL pavimento A Paolo In ordine A spiegare IL produzione Di NTF E A guida Voi seguente IL Prossimo fare un passo Di Nostro metodo. Grazie Voi per tuo Attenzione.
Grazie Voi, Garria. IL produzione Di IL a dd-in consiste Di tre tavoli con NTF componenti lungo ogni dimensione Di IL tensore: cella cluster, soggetti, E geni. Primo, permettere noi Aspetto A IL cella grappolo componente palcoscenico.
I aprire IL tavolo E ogni riga SU Questo tavolo corrisponde A a cella grappolo In ogni colonna A a componente. Là Sono 17 righe E 17 componenti COME specificato In IL componente aggiuntivo ingresso parametro di Galina. Ogni iscrizione In IL tavolo corrisponde A IL caricamento Di a cella grappolo su a componente.
Ora, scorrimento Attraverso IL colonne Di IL tavolo, Noi Vedere Quello Alcuni Di IL componenti contenere molti zeri Piace componenti 16, Quale È Bene Perché Esso indica Quello questi componenti approssimativo IL espressione dati in arrivo da IL pochi cella cluster con diverso da zero carichi. Qui Noi Avere esattamente uno cella grappolo con a uno, E Tutto Di noi Sono zeri, O Quasi zero.
IL fatto Quello cella cluster Avere diverso da zero carichi SU IL Stesso componente indica a alto grado Di collinearità, quindi riorganizzazione Di questi cluster È consigliabile. Noi Avere UN esempio Qui con componente 12, Dove tre In realtà cella cluster Avere diverso da zero carichi. Ora, permettere noi Aspetto A IL soggetto componenti tavolo.
I aprire Esso E scorrimento Attraverso IL colonne Di IL tavoli, Noi Vedere Ora Quello a differenza di IL sito cluster componenti tavolo, IL colonne Qui tendere A Essere denso, con soltanto a pochi zeri Qui E Là. Questo È Bene Perché Esso spettacoli Quello maggior parte soggetti contribuire A ogni componente. In altro parole, IL espressione dati approssimativo di ogni componente, O Noi chiamata Esso impronta digitale, si applica A maggior parte soggetti. In a senso, IL impronta digitale È universale.
Ora, Salto ha UN eccellente caratteristica Quello consente Voi A visualizzazione IL istogrammi Di IL colonne A IL superiore Di IL tavolo. Andiamo clic SU Questo icona Qui, E Noi Ora Vedere Tutto IL istogrammi. Noi Vedere Quello IL colonne Sono Di più O meno denso Comunque, E Esso Volere Essere Bene A Essere capace A quantificare IL grado Di scarsità Di ogni colonna. Come Fare Noi Fare Quello? A quantificare IL grado Di falsità coinvolge IL cella grappolo E soggetto componenti. Noi utilizzo IL indice rappresentato di Questo formula.
Questo formula era introdotto di Herfindahl e Hirschmann A valutare IL grado Di concentrazione raggiunto di campi. Per esempio, A Evitare monopolio situazioni Quello Potere risultato da fusioni. Originariamente, IL inverso formula era pubblicato, Ma per semplicità, Noi Volere continuare A fare riferimento A Questo indice COME IL Indice HHI.
Simile indici Avere stato proposto Di più recentemente. Essi Sono matematicamente equivalente, Ma Questo indice ha IL vantaggio Di essendo molto interpretabile COME Esso dà IL numero Di non trascurabile voci In IL vettore Quale Sono evidenziato Qui. In IL esempio, Noi Avere a numero Di valori, Ma soltanto IL evidenziato valori Sono non trascurabile. IL Indice HHI Di Questo vettore È cinque.
Ritorno A Nostro flusso di lavoro, Noi Vedere Come Questo indice consente noi A identificare componenti Quello Sono sparse lungo IL cella grappolo dimensione E denso lungo IL soggetto dimensione. Noi chiamata questi componenti sparso e robusto . Essi sono rossi croci Qui con alto soggetto HHI e Basso grappolo lato grappolo L'HHI è IL superiore Di Questo campo.
Basato SU questi quattro componenti, Noi Potere Fare IL necessario raggruppamenti Di vista cluster A eliminare collinearità E IL rimanente cella cluster qui... Scusate l'interruzione. [inudibile 00:13:22]. Ho appena perso [inudibile 00:13:22], lo metterò qui.
IL blu attraversa qui corrispondere A IL rimanente cella cluster Quello Volere Essere reintrodotto In a secondo iterazione Di IL analisi. Nota BENE Quello Questo indirizzi con IL più forte segnale, Dopo essendo identificato di IL NTF, componenti Sono RIMOSSO da IL dati impostato E IL Prossimo NTF inizia Sopra con IL ridotto dati impostato.
A illustrare Questo processo... Io sono Scusa Ma I Avere a problema con Qui con IL... Si mantiene riapparendo.
A illustrare Questo processo, andiamo Ora Aspetto A Come questi iterazioni Di IL ricorsivo NTF giocare fuori. Noi Vedere Qui IL Tabella HHI da IL Primo iterazione Quale Volere aiuto noi decidere Quale NTF componenti A Mantenere E Quale A scoprire. COME menzionato prima, Bene componenti Sono quelli Quello Sono specifico Di soltanto a pochi ammasso di cellule ture Quale traduce In IL Basso ammasso di cellule Indice HHI. Questi Sono etichettato righe Qui A IL metter il fondo a Di IL tavolo.
Noi Anche correre uno alto grado Di robustezza A soggetto diversità E Questo traduce in a alto Indice HHI. Come Fare Noi decidere se UN Valore HHI È Basso O alto? Noi Potere utilizzo Quello IL Salto [inudibile 00:15:47] piattaforma Quale È disponibile In IL specialista modellazione piattaforma. Noi correre Questo piattaforma E Noi fare domanda a a normale nicchia modello A distinguere fra Basso E alto Valori HHI E fermare IL risultante classificazione.
Quando Noi Fare Quello, Noi Vedere Qui IL rosso croci corrispondente A IL componenti Quello Sono selezionato Perché Essi Avere a alto Soggetto HHI indice E a Basso HHI ammasso di cellule indice E Essi Sono automaticamente identificato COME come di IL Salto Normale piattaforma.
Permettere noi Aspetto Ora A IL carichi Di IL gruppi di cellule SU questi particolare componenti . Noi Vedere SU componente 15 E componente 16 Quello gruppo di cellule 15 E gruppo di cellule 17 ha esclusivamente associato questi componenti COSÌ Essi Potere Essere BENE approssimativo di questi componenti. In contrasto A questi gruppi di cellule, su componente 13, Noi Vedere tre- lato cluster raggruppato lungo Questo componente. Questo significa Quello Essi Sono correlato in qualche modo, Esso Volere Essere difficile A distinguere loro, COSÌ suo Meglio A riorganizzarsi loro. Allo stesso modo SU componente 12, con IL gruppi di cellule 5, 2 e 14.
Noi Potere Ora Aspetto A a secondo iterazione Di IL Ricorsivo NTF. Allo stesso modo Noi Aspetto A IL componenti L'HHI è IL soggetti E SU IL gruppi di cellule E Noi Vedere Ora Quello soltanto uno componente, componente quattro, soddisfa questi riqualificazioni requisiti per essendo trattenuto durante Questo iterazione. Se Noi Aspetto Ora A IL componenti pubblico, Noi Vedere Quello ammasso di cellule Sette È esclusivamente associato con Questo componente. Bene.
Ora Quello Noi Avere Fatto Quello, Noi Sono non andando A spettacolo Voi Tutto Di IL iterazioni. In realtà, Là Sono quattro iterazioni E Noi FINE su Ora con questi raggruppamenti Quello Noi Vedere Qui. Noi Avere In realtà nove cella cluster Dopo riorganizzazione. Alcuni Di loro Sono raggruppamenti Di tre O quattro originale ammassi di cellule. Tuttavia, cinque gruppi di cellule fatto non Bisogno A Essere riorganizzato. Che cosa È IL biologico Senso Di questi raggruppamenti?
Di corrispondenza IL maggior parte altamente espresso geni In ogni cella grappolo con bioinformatica banche dati, Esso È possibile A socio IL gruppi di cellule con biologico noto cella tipi. Per esempio, IL NTF raggruppamenti 2- 5-14 era identificato COME a killer naturale CD8 cella tipo.
Noi trovato Quello Là erano parecchi raggruppamenti Quello In realtà appuntito A IL Stesso maggiore chiave cella tipo. Perciò, Noi deciso A unire loro E venni su con cinque principale tipi di cellule. Tuttavia, Esso È Ancora possibile A estrarre firme per [inudibile 00:20:12] tipo di cellula È Quello Potere Essere usato In a secondo palcoscenico Di IL convoluzione. Ma Noi Volere Venire Indietro A Questo punto A IL FINE Di Questo presentazione.
Permettere noi Ora Aspetto A IL risultante ridotto tensore. Io sono Appena apertura IL tavolo. Voi Vedere Qui IL tavolo, E COME previsto, Là Sono Ora cinque righe corrispondente A IL raggruppato cella cluster.
Ora Quello Noi Avere introdotto grappolo raggruppamento A minimizzare collinearità, I Volere Avere Alexey spiegare Come Noi procedere A creare firma geni Quello Sono maggior parte efficace per decomposizione.
Una volta IL cella cluster Sono raggruppati, Noi Fare Ancora Bisogno A creare gene firme per ogni Di IL raggruppamenti A garantire accurato convoluzioni Di IL misto campioni. Finora, Noi Avere considerato IL cella E soggetto componente vettori. Permettere noi Ora considerare IL gene componente vettore.
IL tavolo Noi Vedere Qui È non Veramente informativo. Noi Potere soltanto Vedere zeri ovunque dovuto A IL fatto Quello soltanto piccolo minoranza Di geni Avere In realtà diverso da zero carichi SU IL NTF componenti. Se Voi Potere andare A IL Prossimo iterazione, Per favore, Paolo.
Permettere noi Ora esaminare IL carichi Di IL geni SU Questo rappresentazione Di IL componenti Quale noi abbiamo chiamato sparso E robusto.
Questi erano selezionato durante IL Primo iterazione Di IL ricorsivo NTF. Noi Vedere Qui In rosso Quello Alcuni Di IL distintivo geni Sono condiviso di Tutto componenti. Noi Sapere BENE Quello ogni componente È specifico A a particolare cella grappolo O a gruppo Di Chiuso ammassi di cellule. Questo significa Quello Alcuni Di IL geni Sono In realtà fortemente espresso In parecchi cluster con Alcuni grado Di linearità fra IL cella cluster.
Questo È esattamente Come nicchia funziona. Biologico parti Sono non necessariamente ortogonale A ogni altro. Perciò, Noi non può fare affidamento unicamente SU NTF gene componenti A identificare gene marcatori Quello Sono unico A a cella grappolo O a gruppo Di Questo, Noi dovere ritorno A IL attuale espressione dati.
Noi Sono ottenere Indietro A espressione dati E Noi Volere introdurre due criteri. IL Primo uno per a gene A Essere considerato IL marcatore gene Di a particolare ammasso di cellule, Noi Dire Quello Esso Dovrebbe Sempre Essere Di più espresso In IL grappolo di In altro cluster, indipendentemente Di Quale soggetto È considerato. Questo È mostrato In figura metter il fondo a Sinistra, Dove Noi Avere raffigurato due geni.
Con Alcuni [inudibile 00:23:20], Noi Vedere Quello questi punti SU IL Sinistra corrispondere A a unico marcatore gene per B cellule. Noi Potere Vedere soltanto B cellule ovunque. SU IL Giusto, a non marcatore gene È altamente espresso In Entrambi B cellule, non classico monociti E naturale killer cellule.
IL secondo criteri Volere Essere Quello IL associato cella grappolo Dovrebbe non soltanto Essere A IL superiore Di IL altro cluster. Quando Noi Aspetto A IL espressione Di IL mercato gene Sopra [inudibile 00:23:55] soggetti E cella tipi, Ma Anche Esso Dovrebbe Essere BENE avanti Di altri.
Per Questo, Noi utilizzo Questo punto con a formale problema SU IL Giusto Quello erano proposto di [inudibile 00:24:09] In loro originale carta. Questo punto riflette IL specificità Di a gene marcatore. Questo punto È basato unicamente SU IL distribuzione Di gene espressione attraverso soggetti E cella tipi. Così applicazione Questo A criteri, Noi ottenuto a lista Di 173 marcatore geni Quello Potere successivamente Essere usato per IL convoluzione.
In Questo tavolo, Essi Sono elencato insieme con IL valori Quello Incontrare IL due criteri Io ho parlato Di.
Permettere noi Ora Aspetto A IL tavolo Di firma geni per ogni Di IL soggetto E maggiore cella tipi. Qui Noi Vedere IL lista Di geni e IL colonne corrispondere A ogni degli altri soggetti E IL Stesso lista Di cella tipi per ogni Di IL soggetto. In contrasto A IL tavolo Di NTF carichi Quello Noi ha mostrato precedentemente, Questo tavolo È non sparso, COSÌ Esso È limitato soltanto A 173 marcatore geni Quello Noi selezionato secondo A Nostro criteri con [inudibile 00:25:26] gene. COME I disse, IL colonne Sono per soggetto cella tipi.
Noi Volere Ora visualizzare Come IL firma geni Sono espresso attraverso soggetti. Per Quello, Noi Volere utilizzo IL secondo collegare Noi sviluppato Quale È chiamato adrubix. Questo Volere permettere noi A facilmente valutare IL robustezza Di IL gene firme Noi avuto.
Noi aprire a piccolo finestra con a lista Di parametri In Pitone sintassi COME per IL Primo collegare. IL predefinito valori Avere stato Già riempito In E Noi Volere Ora soltanto riempire In per dimostrazione, IL valore per IL parametro Quale È chiamato scala lungo.
Da IL espressione intervalli differire significativamente fra geni, Noi Volere impostato Questo parametro A zero A Avere Tutto IL colonne ridimensionato E Noi invia. Appena a pochi secondi E Noi Vedere a immagine con distinto firme per ogni maggiore cella tipo. Tuttavia, Noi Vedere Quello Questo Calore mappa È incollato insieme In fra soggetti E Noi Potere In realtà , con Questo collegare, molto facilmente aggiungere separatori In fra IL colonne per ogni Di IL soggetti.
Per Questo, Noi modifica IL valore Di IL parametro metadati cols sep A soggetto E Noi reinviare. Ora Noi Ottenere IL separato Calore mappe per ogni Di IL soggetti. Questo È tanto più chiaro E COME tu hai visto, Questo piccolo finestra contiene numerosi parametri. Voi Potere fare riferimento A IL documentazione per IL sottostante Pitone pacchetto Quale È disponibile cliccando SU Questo collegamento.
Concludere, Noi Vedere Qui In realtà Quello IL firma geni Sono molto robusto. Noi Vedere molto poco differenza In diverso soggetti. Come Quello Noi Potere visivamente molto facilmente confermare IL robustezza Di [inudibile 00:28:09] .
Ora Noi Sono avvicinandosi IL FINE Di Nostro presentazione, I Volere permettere Galina presente Alcuni deconvoluzione risultati Quello erano ottenuto con IL gene firma [inudibile 00:28:22] Galina.
SÌ, Grazie Voi. Scorso Ma non meno, Noi volevo Piace A spettacolo Voi IL prestazione Di Nostro metodo. A valutare IL prestazione Di Nostro metodo, Noi utilizzo IL pubblicato dati in arrivo da Bianco carta COSÌ menzionato In suggerimenti il suo riferimento. Questo dati impostato contenente 21 diverso cella miscele. Là Sono IL miscele Di diverso T cella sottotipi, Corea del Nord cellule, monociti E B cellule.
In questi miscele, Noi Avere Anche tre diverso cella tipi non coperto di Nostro firme corrispondente A colorettatore O seno cancro cellule E due cella linee Piace fibroblasti E IL coda cellule.
Noi deciso A utilizzo due criteri valuta complessivamente prestazione Di Nostro metodo Pearson correlazione coefficiente O [inudibile 00:29:18] a concordanza coefficiente Perché Noi Potere Ottenere molto significativo correlazione fra stimato E terra verità proporzioni, Ma Noi Potere Avere IL modifica In IL scala identificazione IL quantità Di cellule presente In IL campione. Quello È Perché Noi utilizzo due criteri.
Complessivamente, Noi ottenere Bene risultati per cella tipi coperto di Nostro firme. IL risultati Sono leggermente non COSÌ Bellissimo per T cellule Perché Noi non Avere esatto corrispondenza fra T cella sottoinsieme presente In IL miscele E T cellule gruppo presentato In Nostro firme. Noi Avere Anche effetto r cellule E In IL miscele, Questo cella tipo era non aggiunto.
Scorso Ma non meno, Noi volevo Piace Anche A menzione con Nostro metodo Voi Potere andare al di là E identificare IL sottotipi Di T cellule, IL monociti corsa ricorsivo NTF E definendo IL marcatore geni per ogni grande gruppo Di immunitario cellule. Anche Quello questi componenti aggiuntivi Quello Avere stato presentato E dimostrato Oggi, Essi Sono disponibile In Salto applicazione.
Con Questo, Grazie Voi per tuo Attenzione.
