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·费奥多罗夫。
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 包含 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 个人资料 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 一起 和 形式 簇。
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 称为 scA2SIGN， 哪个 支架 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 理想情况下 未来 从 一些 主题， 个人， 在 命令 到 覆盖 生物 变异性 那 能 是 展示 之间 个人。
这 单细胞数据 需要 到 是 预处理 和 组装 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 进入 这 簇。 这 表示 在 二 方面 是 称为 UMAP。
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 梦想 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 阿尔点 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 个人资料 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 梦想 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 经过 我们的 方法 基于 在 组 的 这 簇。 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 张量分解 是 a 维度 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 主题 和 到 做 它 在 一 步， 比较 到 其他 维度 减少 技术 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 NTF。 我们 得到 这 成分 . 我们 得到 这 指纹 为了 集群 这里 代表 经过 在， 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 名字。 在 这 表格， 我们 有 17 列 相应的 到 17 集群 识别 在 单细胞数据。 在 这 行 我们 做 有 这 基因 名字 先行 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 插件 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 国家信托基金 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 包括 的 三 表 和 国家信托基金 成分 沿着 每个 方面 的 这 张量： 细胞 簇， 主题， 和 基因。 第一的， 让 我们 看 在 这 细胞 簇 成分 阶段。
I 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 行 和 17 成分 作为 指定的 在 这 插件 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 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 负荷 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 可取的。 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。
I 打开 它 和 滚动 通过 这 列 的 这 表格， 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 这里 和 那里。 这 是 好的 因为 它 节目 那 最多 主题 贡献 到 每个 成分。 在 其他 字， 这 表达 数据 近似 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 已实现 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 已发布， 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 不可忽略 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 不可忽略。 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 稀疏地 这 细胞 簇 方面 和 稠密 沿着 这 主题 方面。 我们 称呼 这些 成分 稀疏且稳健 . 他们 是红色的 十字架 这里 和 高的 主题 HHI 和 低的 簇 边 簇 HHI 是 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 已识别 经过 这 NTF， 成分 是 已删除 从 这 数据 放 和 这 下一个 国家信托基金 开始 超过 和 这 减少 数据 放。
到 阐明 这 过程... 我是 对不起 但 I 有 a 问题 和 这里 和 这... 它保持 重新出現。
到 阐明 这 过程， 让我们 现在 看 在 如何 这些 迭代 的 这 递归 国家信托基金 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 国家信托基金 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 结构 哪个 翻译 在 这 低的 细胞簇 HHI指数。 这些 是 标记 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 导致 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 人均重 细胞簇 指数 和 他们 是 自动地 已识别 作为 这样的 经过 这 跳 普通的 平台。
让 我们 看 现在 在 这 负荷 的 这 细胞簇 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 经过 这些 成分。 在 对比 到 这些 细胞簇， 成分 13， 我们 看 三- 边 集群 重新集结 沿着 这 成分。 这 方法 那 他们 是 相关 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 细胞簇 5、2和14。
我们 能 现在 看 在 a 第二 迭代 的 这 递归 NTF。 相似地 我们 看 在 这 成分 HHI 是 这 主题 和 在 这 细胞簇 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 重组。 一些 的 他们 是 分组 的 三 或者 四 原来的 细胞簇。 然而， 五 细胞簇 做过 不是 需要 到 是 重新集结。 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 细胞簇 和 已知生物 细胞 类型。 为了 例子， 这 国家信托基金 分组 2- 5-14 曾是 已识别 作为 a 自然杀伤者 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 是 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 导致 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 重新集结 细胞 簇。
现在 那 我们 有 介绍 簇 分组 到 最小化 共线性， I 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 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 信息丰富。 我们 能 仅有的 看 零 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 负荷 在 这 国家信托基金 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 负荷 的 这 基因 在 这 表示 的 这 成分 哪个 我们已经 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 NTF。 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 表达 在 一些 集群 和 一些 程度 的 线性 之间 这 细胞 簇。
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 仅仅 在 国家信托基金 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 描绘 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 B 细胞。 我们 能 看 仅有的 B 细胞 到处。 在 这 正确的， a 非标记 基因 是 高度 表达 在 两个都 B 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 簇。 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] 主题 和 细胞 类型， 但 还 它 应该 是 出色地 前方 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 標記。 这 分数 是 基于 仅仅 在 这 分配 的 基因 表达 穿过 主题 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 上市 一起 和 这 价值观 那 见面 这 二 标准 我已经 谈论 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 主题 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 国家信托基金 负荷 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 I 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 插件 我们 发达 哪个 是 称为 adrubix。 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 插件。 这 默认 价值观 有 到过 已经 已填满 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 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 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 主题 和 我们 能 实际上 ， 和 这 插件， 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 科尔斯·塞普 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。
总结一下， 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， I 将要 让 加琳娜 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] . 加林娜。
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 已发布 数据 未来 从 白色的 纸 所以 提及 在 提示 他的 参考。 这 数据 放 包含 21 不同的 细胞 混合物。 那里 是 这 混合物 的 不同的 T 细胞 亚型， NK 细胞， 单核细胞 和 B 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 色彩设计师 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 一致性 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 T 细胞 因为 我们 不 有 精确的 一致 之间 T 细胞 子集 展示 在 这 混合物 和 T 细胞 团体 呈现 在 我们的 签名。 我们 有 还 影响 r 细胞 和 在 这 混合物， 这 细胞 类型 曾是 不是 额外。
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 T 细胞， 这 单核细胞 跑步 递归 国家信托基金 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 今天， 他们 是 可用的 在 跳 应用。
和 这， 感谢 你 为了 你的 注意力。
