你好。 今天 我是 高興的 到 展示 你 scA2SIGN 方法 到 定義 這 簽名 為了 這 卷積 開始 從 單身的- 細胞 數據。 我們 將要 製作 也 a 短的 示範 的 它。 這 工作 曾是 完畢 在 合作 和 保羅‧福格爾 和 阿列克謝·費奧多羅夫。
前 到 做 這 深的 潛水 關於 我們的 方法， 讓我們 做 這 短的 介紹 在 命令 到 解釋 你 什麼 是 這 細胞 反捲積。
這 細胞 類型 反捲積 是 一個 二氧化矽 方法 那 允許 到 確認 這 細胞 比例 從 大部分 核糖核酸 定序 數據。 這 方法 需要 到 有 具體的 簽名 矩陣 包含 這 標記 基因 為了 每個 類型 的 這 興趣。
我們的 方法 建議的 到 確認 這 簽名 矩陣 和 開始 從 這 單細胞數據 因為 在 單細胞數據， 作為 你 能 看 這裡， 我們 做 有 這 轉錄組學 個人資料 為了 每個 單身的 細胞 從 這 數據 展示 在 這 組織 在 這 樣品。 每個 點 這裡 對應 到 這 細胞。 細胞 和 這 關閉 轉錄組學 個人資料， 他們 是 分組 一起 和 形式 簇。
我們 能 去 到 這 下一個 滑動， 請。
這裡 你 有 a 簡短的 概述 的 我們的 方法。 我們的 方法 是 稱為 scA2SIGN， 哪個 支架 為了 單身的 細胞 不可知論者 演算法 為了 這 卷積。 作為 曾是 提及 之前， 它 開始 從 這 單細胞數據 理想情況下 未來 從 一些 主題， 個人， 在 命令 到 覆蓋 生物 變異性 那 能 是 展示 之間 個人。
這 單細胞數據 需要 到 是 預處理 和 組裝 在 一 數據 放。 這裡 這 細胞 和 a 關閉 轉錄組學 輪廓 所以 他們 是 組裝 進入 這 簇。 這 表示 在 二 方面 是 稱為 UMAP。
從 這 單細胞數據， 我們 需要 到 取回 這 矩陣 哪個 是 去 為了 每個 個人。 他們 是 去 到 包含 夢想 在 這 列 和 叢集 在 這 列。 它 方法 我們 需要 到 總計的 這 數據 和 一些 矩陣 相應的 到 每個 主題 代表 a 張量。
如果 我們 嘗試 到 確認 這 簽名 正確的 離開 在 這 步， 它是 去 到 是 難的 因為 一些 叢集 的 單細胞數據， 他們 關閉 從 轉錄組學 阿爾點 的 看法。 它 能 增加 a 問題 的 多重共線性。
在 命令 到 交易 和 這， 我們 跑步 一些 回合 的 非 消極的 張量 因式分解 在 命令 到 得到 這 減少 張量 和 集合 關閉 叢集 一起 在 命令 到 定義 這 細胞 類型 和 遙遠 轉錄組學 個人資料 展示 在 這 樣本。
一次 再次， 這 結構 的 這 數據 是 去 到 是 這 相同的。 我們 是 去 到 展示 它 在 跳 應用 和 夢想 在 行， 細胞 類型 在 列， 和 一些 矩陣 相應的 到 一些 科目。 從 這， 我們的 方法 建議的 到 二 簡單的 標準 到 定義 這 標記 基因。 這 部分 是 去 到 是 覆蓋 經過 阿列克謝。
最後的 但 不是 至少， 這 相同的 基因 能 是 用過的 在 命令 到 標籤 細胞 類型 是 定義 經過 我們的 方法 基於 在 群組 的 這 簇。 最後的 但 不是 至少， 我們 能 使用 a 非 消極的 回歸 在 命令 到 執行 這 卷積 在 大部分 核糖核酸 定序 數據。
和 這 我們 是 去 到 演講 a 小的 位元 更多的 關於 非 消極的 張量分解 在 命令 到 解釋 什麼 是 它 確切地。 非負 張量分解 是 a 維度 減少 技術。 作為 它 曾是 提及， 這 優勢 的 這 方法 是 那 它 允許 到 拿 進入 帳戶 這 一些 矩陣 未來 從 一些 主題 和 到 做 它 在 一 步， 比較 到 其他 維度 減少 科技 喜歡 ICA， 什麼時候 你 需要 到 跑步 一些 回合 的 ICA 為了 每個 矩陣 和 下一個 到 尋找 a 共識 在 這 數據。
作為 輸出 是 一個 輸入 的 這 NTF， 我們 使用 這 矩陣 之前 描述 作為 這 輸出 的 這 NTF。 我們 得到 這 成分 . 我們 得到 這 指紋 為了 叢集 這裡 代表 經過 在， 這 指紋 為了 這 主題 代表 經過 問： 在 這 指紋， 他們 有 這 基因或 這 簽名。 指紋 方法 a 放 的 基因 和 降低 [聽不清楚 00:05:19] 定義 經過 H.
每個 成分 對應 a 強的 生物 訊號 展示 在 這 數據。 如果 我們 製作 這 和 的 這些 成分 的 這些 強的 生物 訊號 展示 在 這 數據 加 a 小的 錯誤， 我們 能 近似 這 數據 哪個 是 代表 經過 這 方程式。
和 這 我們 能 去 到 這 下一個 步 和 到 看 確切地 在 這 應用 如何 這 數據 看起來 喜歡。
正確的 現在， 我們 是 在 這 跳 應用 和 你 能 看 這 輸入 數據 必需的 為了 我們的 方法。 在 這 左邊， 你 做 看 這 十一 矩陣 未來 從 不同的 捐助者。 這 矩陣 有 不同的 名字 和 我們 用過的 這 主意 的 這 捐款者 作為 他們的 名字。 在 這 表格， 我們 有 17 列 相應的 到 17 叢集 識別 在 單細胞數據。 在 這 列 我們 做 有 這 基因 名字 先行 經過 這 主意 的 這 個人 在 命令 到 區分 不同的 轉錄組學 數據 未來 從 不同的 捐助者。
一次 我們 已載入 這 數據 進入 這 系統， 我們 能 發射 我們的 外掛 和 我們 是 去 到 看 如何 它 看起來 喜歡。 它 看起來 喜歡 a 窗戶 和 一些 參數。 這些 參數 是 書面 在 Python 因為 這 程式碼 在後面 使用 Python 語言。 但 你 做 不是 需要 到 是 害怕的 因為 我們 是 去 到 改變 僅有的 一 重要的 範圍， 哪個 是 數位 的 成分 在 這裡。
我們 建議 到 開始 和 這 數位 的 成分 平等的 到 數位 的 叢集 展示 在 這 數據 和 它是 去 到 是 平等的 到 17. 感謝 你。 和 這， 我們 能 簡單地 點選 在 這 提交 按鈕 和 這 應用 將要 跑步 這 演算法 在後面。 下一個 和 這， 我是 去 到 離開 這 地面 到 保羅 在 命令 到 解釋 這 輸出 的 國家信託基金 和 到 指導 你 下列的 這 下一個 步 的 我們的 方法。 感謝 你 為了 你的 注意力。
感謝 你， 加里亞。 這 輸出 的 這 a dd-in 包括 的 三 表 和 國家信託基金 成分 沿著 每個 方面 的 這 張量： 細胞 簇， 主題， 和 基因。 第一的， 讓 我們 看 在 這 細胞 簇 成分 階段。
I 打開 這 桌子 和 每個 排 在 這 桌子 對應 到 a 細胞 簇 在 每個 柱子 到 a 成分。 那裡 是 17 列 和 17 成分 作為 指定的 在 這 外掛 輸入 範圍 經過 加琳娜。 每個 入口 在 這 桌子 對應 到 這 載入中 的 a 細胞 簇 到 a 成分。
現在， 捲動 透過 這 列 的 這 桌子， 我們 看 那 一些 的 這 成分 包含 許多 零 喜歡 成分 16， 哪個 是 好的 因為 它 表示 那 這些 成分 近似 這 表達 數據 未來 從 這 很少 細胞 叢集 和 非零 負載。 這裡 我們 有 確切地 一 細胞 簇 和 a 一， 和 全部 的 我們 是 零， 或者 幾乎 零。
這 事實 那 細胞 叢集 有 非零 負荷 在 這 相同的 成分 表示 a 高的 程度 的 共線性，所以 重組 的 這些 叢集 是 可取的。 我們 有 一個 例子 這裡 和 成分 12， 在哪裡 三 實際上 細胞 叢集 有 非零 負載。 現在， 讓 我們 看 在 這 主題 成分 桌子。
I 打開 它 和 捲動 透過 這 列 的 這 表格， 我們 看 現在 那 不像 這 地點 叢集 成分 桌子， 這 列 這裡 趨向 到 是 稠密， 和 僅有的 a 很少 零 這裡 和 那裡。 這 是 好的 因為 它 節目 那 最多 主題 貢獻 到 每個 成分。 在 其他 字， 這 表達 數據 近似 經過 每個 成分， 或者 我們 稱呼 它 指紋， 適用 到 最多 科目。 在 a 感覺， 這 指紋 是 普遍的。
現在， 跳 有 一個 出色的 特徵 那 允許 你 到 看法 這 直方圖 的 這 列 在 這 頂部 的 這 桌子。 讓我們 點選 在 這 圖示 這裡， 和 我們 現在 看 全部 這 直方圖。 我們 看 那 這 列 是 更多的 或者 較少的 稠密 反正， 和 它 將要 是 好的 到 是 有能力的 到 量化 這 程度 的 稀疏性 的 每個 柱子。 如何 做 我們 做 那？ 到 量化 這 程度 的 虛假 涉及 這 細胞 簇 和 主題 成分。 我們 使用 這 指數 代表 經過 這 公式。
這 公式 曾是 介紹 經過 赫芬達爾和 赫希曼 到 評價 這 程度 的 專注 已實現 經過 字段。 為了 例子， 到 避免 壟斷 情況 那 能 結果 從 合併。 起初， 這 逆 公式 曾是 已發布， 但 為了 簡單， 我們 將要 繼續 到 參考 到 這 指數 作為 這 HHI指數。
相似的 索引 有 到過 建議的 更多的 最近。 他們 是 數學上 相等的， 但 這 指數 有 這 優勢 的 存在 非常 可解釋的 作為 它 給出 這 數位 的 不可忽略 條目 在 這 向量 哪個 是 突出顯示 這裡。 在 這 例子， 我們 有 a 數位 的 價值觀， 但 僅有的 這 突出顯示 價值觀 是 不可忽略。 這 HHI指數 的 這 向量 是 五。
返回 到 我們的 工作流程， 我們 看 如何 這 指數 允許 我們 到 確認 成分 那 是 稀疏地 這 細胞 簇 方面 和 稠密 沿著 這 主題 方面。 我們 稱呼 這些 成分 稀疏且穩健 . 他們 是紅色的 十字架 這裡 和 高的 主題 HHI 和 低的 簇 邊 簇 HHI 是 這 頂部 的 這 場地。
基於 在 這些 四 成分， 我們 能 製作 這 必要的 分組 的 視線 叢集 到 排除 共線性 和 這 其餘的 細胞 叢集 這裡...抱歉打擾了。 [聽不清楚 00:13:22]。我剛剛輸了 [聽不清楚 00:13:22]，我會把它放在這裡。
這 藍色的 穿過這裡 對應 到 這 其餘的 細胞 叢集 那 將要 是 重新引入 在 a 第二 迭代 的 這 分析。 筆記 出色地 那 這 地址 和 這 最強 訊號, 後 存在 已識別 經過 這 NTF， 成分 是 已刪除 從 這 數據 放 和 這 下一個 國家信託基金 開始 超過 和 這 減少 數據 放。
到 闡明 這 過程... 我是 對不起 但 I 有 a 問題 和 這裡 和 這... 它保持 重新出現。
到 闡明 這 過程， 讓我們 現在 看 在 如何 這些 迭代 的 這 遞迴 國家信託基金 玩 出去。 我們 看 這裡 這 HHI 表 從 這 第一的 迭代 哪個 將要 幫助 我們 決定 哪個 國家信託基金 成分 到 保持 和 哪個 到 發現。 作為 提及 早些時候， 好的 成分 是 那些 那 是 具體的 的 僅有的 a 很少 細胞簇 結構 哪個 翻譯 在 這 低的 細胞簇 HHI指數。 這些 是 標記 列 這裡 在 這 底部 的 這 桌子。
我們 也 跑步 一 高的 程度 的 穩健性 到 主題 多樣性 和 這 翻譯 進入 a 高的 HHI指數。 如何 做 我們 決定 無論 一個 HHI值 是 低的 或者 高的？ 我們 能 使用 那 這 跳 [聽不清楚 00:15:47] 平台 哪個 是 可用的 在 這 專家 造型 平台。 我們 跑步 這 平台 和 我們 申請 a 普通的 利基 模型 到 區分 之間 低的 和 高的 HHI 值 和 停止 這 導致 分類。
什麼時候 我們 做 那， 我們 看 這裡 這 紅色的 十字架 相應的 到 這 成分 那 是 已選擇 因為 他們 有 a 高的 HHI 主題 指數 和 a 低的 人均重 細胞簇 指數 和 他們 是 自動地 已識別 作為 這樣的 經過 這 跳 普通的 平台。
讓 我們 看 現在 在 這 負荷 的 這 細胞簇 在 這些 特別的 成分 . 我們 看 在 成分 15 和 成分 16 那 細胞簇 15 和 細胞簇17 有 只 聯繫 這些 成分 所以 他們 能 是 出色地 近似 經過 這些 成分。 在 對比 到 這些 細胞簇， 成分 13， 我們 看 三- 邊 叢集 重新集結 沿著 這 成分。 這 方法 那 他們 是 相關 不知何故， 它 將要 是 難的 到 區分 他們， 所以 它是 更好的 到 重組 他們。 相似地 在 成分 12， 和 這 細胞簇 5、2和14。
我們 能 現在 看 在 a 第二 迭代 的 這 遞迴 NTF。 相似地 我們 看 在 這 成分 HHI 是 這 主題 和 在 這 細胞簇 和 我們 看 現在 那 僅有的 一 成分， 成分 四、 滿足 這些 再培訓 要求 為了 存在 保留 期間 這 迭代。 如果 我們 看 現在 在 這 成分 觀眾， 我們 看 那 細胞簇 七 是 只 聯繫 和 這 成分。 好的。
現在 那 我們 有 完畢 那， 我們 是 不是 去 到 展示 你 全部 的 這 迭代。 實際上， 那裡 是 四 迭代 和 我們 結尾 向上 現在 和 這些 分組 那 我們 看 這裡。 我們 有 實際上 九 細胞 叢集 後 重組。 一些 的 他們 是 分組 的 三 或者 四 原來的 細胞簇。 然而， 五 細胞簇 做過 不是 需要 到 是 重新集結。 什麼 是 這 生物 意義 的 這些 分組？
經過 匹配 這 最多 高度 表達 基因 在 每個 細胞 簇 和 生物資訊學 資料庫, 它 是 可能的 到 聯繫 這 細胞簇 和 已知生物 細胞 類型。 為了 例子， 這 國家信託基金 分組 2- 5-14 曾是 已識別 作為 a 自然殺傷者 CD8 細胞 類型。
我們 成立 那 那裡 是 一些 分組 那 實際上 尖 到 這 相同的 主要的 鑰匙 細胞 類型。 所以， 我們 決定 到 合併 他們 和 來了 向上 和 五 主要的 細胞類型。 然而， 它 是 仍然 可能的 到 提煉 簽名 為了 [聽不清楚 00:20:12] 細胞類型 是 那 能 是 用過的 在 a 第二 階段 的 這 卷積。 但 我們 將要 來 後退 到 這 觀點 在 這 結尾 的 這 推介會。
讓 我們 現在 看 在 這 導致 減少 張量。 我是 只是 開幕 這 桌子。 你 看 這裡 這 桌子， 和 作為 預期的， 那裡 是 現在 五 列 相應的 到 這 重新集結 細胞 簇。
現在 那 我們 有 介紹 簇 分組 到 最小化 共線性， I 將要 有 阿列克謝 解釋 如何 我們 繼續 到 創造 簽名 基因 那 是 最多 有效的 為了 分解。
一次 這 細胞 叢集 是 分組， 我們 做 仍然 需要 到 創造 基因 簽名 為了 每個 的 這 分組 到 確保 準確的 卷積 的 這 混合 樣品。 迄今為止， 我們 有 經過考慮的 這 細胞 和 主題 成分 向量。 讓 我們 現在 考慮 這 基因 成分 向量。
這 桌子 我們 看 這裡 是 不是 真的 資訊豐富。 我們 能 僅有的 看 零 到處 到期的 到 這 事實 那 僅有的 小的 少數民族 的 基因 有 實際上 非零 負荷 在 這 國家信託基金 成分。 如果 你 能 去 到 這 下一個 迭代， 請， 保羅。
讓 我們 現在 檢查 這 負荷 的 這 基因 在 這 表示 的 這 成分 哪個 我們已經 稱為 疏 和 強壯的。
這些 是 已選擇 期間 這 第一的 迭代 的 這 遞迴 NTF。 我們 看 這裡 在 紅色的 那 一些 的 這 獨特的 基因 是 共享 經過 全部 成分。 我們 知道 出色地 那 每個 成分 是 具體的 到 a 特別的 細胞 簇 或者 a 團體 的 關閉 細胞簇。 這 方法 那 一些 的 這 基因 是 實際上 強烈 表達 在 一些 叢集 和 一些 程度 的 線性 之間 這 細胞 簇。
這 是 確切地 如何 利基 作品。 生物 部分 是 不是 一定 正交 到 每個 其他。 所以， 我們 不能 依靠 僅僅 在 國家信託基金 基因 成分 到 確認 基因 標記 那 是 獨特的 到 a 細胞 簇 或者 a 團體 的 這， 我們 必須 返回 到 這 實際的 表達 數據。
我們 是 得到 後退 到 表達 數據 和 我們 將要 介紹 二 標準。 這 第一的 一 為了 a 基因 到 是 經過考慮的 這 標記 基因 的 a 特別的 細胞簇， 我們 說 那 它 應該 總是 是 更多的 表達 在 這 簇 比 在 其他 簇， 不管 的 哪個 主題 是 經過考慮的。 這 是 顯示 在 數位 底部 左邊， 在哪裡 我們 有 描繪 二 基因。
和 一些 [聽不清楚 00:23:20]， 我們 看 那 這些 點 在 這 左邊 對應 到 a 獨特的 標記 基因 為了 B 細胞。 我們 能 看 僅有的 B 細胞 到處。 在 這 正確的， a 非標記 基因 是 高度 表達 在 兩個都 B 細胞， 非 古典 單核細胞 和 自然的 殺手 細胞。
這 第二 標準 將要 是 那 這 聯繫 細胞 簇 應該 不是 僅有的 是 在 這 頂部 的 這 其他 簇。 什麼時候 我們 看 在 這 表達 的 這 市場 基因 超過 [聽不清楚 00:23:55] 主題 和 細胞 類型， 但 也 它 應該 是 出色地 前方 的 其他的。
為了 這， 我們 使用 這 分數 和 a 正式的 問題 在 這 正確的 那 是 建議的 經過 [聽不清楚 00:24:09] 在 他們的 原來的 紙。 這 分數 反映 這 特異性 的 a 基因 標記。 這 分數 是 基於 僅僅 在 這 分配 的 基因 表達 穿過 主題 和 細胞 類型。 因此 申請 這 到 標準， 我們 獲得 a 清單 的 173 標記 基因 那 能 隨後 是 用過的 為了 這 卷積。
在 這 桌子， 他們 是 上市 一起 和 這 價值觀 那 見面 這 二 標準 我已經 談論 關於。
讓 我們 現在 看 在 這 桌子 的 簽名 基因 為了 每個 的 這 主題 和 主要的 細胞 類型。 這裡 我們 看 這 清單 的 基因和 這 列 對應 到 每個 其他的 主題 和 這 相同的 清單 的 細胞 類型 為了 每個 的 這 主題。 在 對比 到 這 桌子 的 國家信託基金 負荷 那 我們 顯示 之前， 這 桌子 是 不是 疏， 所以 它 是 有限的 僅有的 到 173 標記 基因 那 我們 已選擇 根據 到 我們的 標準 和 [聽不清楚 00:25:26] 基因。 作為 I 說， 這 列 是 為了 主題 細胞 類型。
我們 將要 現在 視覺化 如何 這 簽名 基因 是 表達 穿過 科目。 為了 那， 我們 將要 使用 這 第二 外掛 我們 發達 哪個 是 稱為 adrubix。 這 將要 允許 我們 到 容易地 評估 這 穩健性 的 這 基因 簽名 我們 得到。
我們 打開 a 小的 窗戶 和 a 清單 的 參數 在 Python 句法 作為 為了 這 第一的 插件。 這 預設 價值觀 有 到過 已經 已填滿 在 和 我們 將要 現在 僅有的 充滿 在 為了 示範， 這 價值 為了 這 範圍 哪個 是 稱為 規模 沿著。
自從 這 表達 範圍 不同 顯著地 之間 基因， 我們 將要 放 這 範圍 到 零 到 有 全部 這 列 縮放 和 我們 提交。 只是 a 很少 秒 和 我們 看 a 圖片 和 清楚的 簽名 為了 每個 主要的 細胞 類型。 然而， 我們 看 那 這 熱 地圖 是 膠合 一起 在 之間 主題 和 我們 能 實際上 ， 和 這 插件， 非常 容易地 添加 分隔符 在 之間 這 列 為了 每個 的 這 科目。
為了 這， 我們 改變 這 價值 的 這 範圍 元數據 科爾斯·塞普 到 主題 和 我們 重新提交。 現在 我們 得到 這 分離 熱 地圖 為了 每個 的 這 科目。 這 是 很多 更清晰 和 作為 你已經 看到， 這 小的 窗戶 包含 很多的 參數。 你 能 參考 到 這 文件 為了 這 潛在的 Python 包裹 哪個 是 可用的 點選 在 這 關聯。
總結一下， 我們 看 這裡 實際上 那 這 簽名 基因 是 非常 強壯的。 我們 看 非常 小的 不同之處 在 不同的 科目。 喜歡 那 我們 能 視覺上 非常 容易地 確認 這 穩健性 的 [聽不清楚 00:28:09] .
現在 我們 是 接近 這 結尾 的 我們的 推介會， I 將要 讓 加琳娜 展示 一些 反捲積 結果 那 是 獲得 和 這 基因 簽名 [聽不清楚 00:28:22] . 加林娜。
是的， 感謝 你。 最後的 但 不是 至少， 我們 會 喜歡 到 展示 你 這 表現 的 我們的 方法。 到 評價 這 表現 的 我們的 方法， 我們 使用 這 已發布 數據 未來 從 白色的 紙 所以 提及 在 提示 他的 參考。 這 數據 放 包含 21 不同的 細胞 混合物。 那裡 是 這 混合物 的 不同的 T 細胞 亞型， NK 細胞， 單核細胞 和 B 細胞。
在 這些 混合物， 我們 有 也 三 不同的 細胞 類型 不是 覆蓋 經過 我們的 簽名 相應的 到 色彩設計師 或者 胸部 癌症 細胞 和 二 細胞 線 喜歡 纖維母細胞 和 這 尾巴 細胞。
我們 決定 到 使用 二 標準 評估 全面的 表現 的 我們的 方法 皮爾遜 相關性 係數 或者 [聽不清楚 00:29:18] a 一致性 係數 因為 我們 能 得到 非常 重要的 相關性 之間 估計的 和 地面 真相 比例， 但 我們 能 有 這 改變 在 這 規模 識別 這 數量 的 細胞 展示 在 這 樣本。 那 是 為什麼 我們 使用 二 標準。
全面的， 我們 獲得 好的 結果 為了 細胞 類型 覆蓋 經過 我們的 簽名。 這 結果 是 輕微地 不是 所以 美麗的 為了 T 細胞 因為 我們 不 有 精確的 一致 之間 T 細胞 子集 展示 在 這 混合物 和 T 細胞 團體 呈現 在 我們的 簽名。 我們 有 也 影響 r 細胞 和 在 這 混合物， 這 細胞 類型 曾是 不是 額外。
最後的 但 不是 至少， 我們 會 喜歡 也 到 提到 和 我們的 方法 你 能 去 超過 和 確認 這 亞型 的 T 細胞， 這 單核細胞 跑步 遞迴 國家信託基金 和 定義 這 標記 基因 為了 每個 大的 團體 的 免疫 細胞。 也 那 這些 外掛 那 有 到過 呈現 和 證明 今天， 他們 是 可用的 在 跳 應用。
和 這， 感謝 你 為了 你的 注意力。
