您好、欢迎来到现金彩票网!
当前位置:秒速快三 > 数据集 >

合并单元格数据集全景样式

发布时间:2019-06-19 01:45 来源:未知 编辑:admin

  麻省理工学院研究人员开发的一种新算法从全景摄影中获取线索,将大量不同的细胞数据集合并为一个可用于医学和生物学研究的单一来源。

  单细胞数据集可以分析人类细胞的基因表达 - 例如神经元,肌肉和免疫细胞 - 以深入了解人类健康和治疗疾病。数据集由一系列实验室和技术生成,包含极其多样化的细胞类型。将这些数据集组合到一个数据池中可以开辟新的研究可能性,但这很难有效和高效地完成。

  传统方法倾向于基于非生物模式将细胞聚集在一起 - 例如通过实验室或所使用的技术 - 或意外地合并看起来相同的不同细胞。纠正这些错误的方法无法很好地扩展到大型数据集,并且要求所有合并的数据集共享至少一个公共单元格类型。

  在今天发表在Nature Biotechnology上的一篇论文中,麻省理工学院的研究人员描述了一种算法,该算法能够将20多种不同细胞类型的数据集有效地合并为更大的“全景图”。该算法称为“Scanorama”,可自动查找并拼接两个数据集之间的共享单元格类型 - 例如组合图像中的重叠像素以生成全景照片。

  只要任何其他数据集与最终全景图中的任何一个数据集共享一个单元格类型,它也可以合并。但是,所有数据集都不需要具有共同的单元格类型。该算法保留特定于每个数据集的所有细胞类型。

  “无论细胞类型是什么,传统方法都会迫使细胞排列。它们会形成一个没有结构的斑点,你会失去所有有趣的生物学差异,”计算机科学与人工智能实验室博士生Brian Hie说。 )和计算与生物学小组的研究员。“你可以给出不应该对齐的Scanorama数据集,算法会根据生物差异分离数据集。”

  在他们的论文中,研究人员成功地合并了来自26个不同数据集的超过100,000个细胞,这些数据集包含多种人类细胞,从而创建了单一,多样化的数据来源。使用传统方法,大约需要一天的计算时间,但Scanorama在大约30分钟内完成了任务。研究人员表示,这项工作代表了有史以来合并最多的数据集。

  加入Hie的是:Bonnie Berger,麻省理工学院Simons数学教授,电气工程和计算机科学教授,计算和生物学组负责人;和麻省理工学院生物工程助理教授Bryan Bryson。

  人类拥有数百种细胞类别和子类别,每个细胞都表达了多种多样的基因。诸如RNA测序之类的技术在庞大的多维空间中捕获该信息。细胞是散布在空间周围的点,每个维度对应于不同基因的表达。

  Scanorama运行一种改进的计算机视觉算法,称为“相互最近邻匹配”,它在两个计算空间中找到最接近(最相似)的点。该算法在CSAIL开发,最初用于在不同的照片中查找具有匹配特征的像素 - 例如色彩等级。这可以帮助计算机将表示一个图像中的对象的像素块与另一个图像中的相同像素块匹配,其中对象的位置已经被彻底改变。它还可以用于在全景图中拼接不同的图像。

  研究人员重新利用该算法来寻找具有重叠基因表达的细胞 - 而不是重叠像素特征 - 并且在多个数据集中而不是两个数据集中。细胞中基因表达的水平决定了它的功能,进而决定了它在计算空间中的位置。如果堆叠在一起,具有相似基因表达的细胞,即使它们来自不同的数据集,也将大致位于相同的位置。

  对于每个数据集,Scanorama首先将一个数据集中的每个单元格链接到所有数据集中最近的邻居,这意味着它们很可能共享相似的位置。但该算法仅保留两个数据集中的单元格彼此最近邻居的链接 - 相互链接。例如,如果Cell A的最近邻居是Cell B,而Cell B是Cell A,那么它就是一个守护者。但是,如果Cell B的最近邻居是单独的Cell C,则将丢弃Cell A和B之间的链路。

  保持相互联系增加了细胞实际上是相同细胞类型的可能性。另一方面,打破非相互链接可防止特定于每个数据集的细胞类型与不正确的细胞类型合并。找到所有相互链接后,算法会将所有数据集序列拼接在一起。在这样做时,它组合了相同的单元格类型,但保持单元格类型对于与合并单元格分离的任何数据集都是唯一的。“相互联系形成了锚点,可以跨数据集实现[正确]细胞对齐,”Berger说。

  为确保Scanorama可扩展到大型数据集,研究人员采用了两种优化技术。第一个减少数据集维度。数据集中的每个细胞可能具有多达20,000个基因表达测量值和多个维度。研究人员利用数学技术总结了具有少量特征的高维数据矩阵,同时保留了重要信息。基本上,这导致尺寸减少了100倍。

  他们还使用流行的散列技术更快地找到最近的共同邻居。传统上,即使是减少的样本计算也需要数小时。但是散列技术基本上通过其最高概率创建最近邻居的桶。该算法仅需要搜索最高概率桶以找到相互链接,这减少了搜索空间并使得该过程的计算密集度更低。

  在另外的工作中,研究人员将Scanorama与他们开发的另一种技术相结合,生成了大量细胞数据集的综合样本 - 或“草图”,从而减少了将500,000多个细胞从2小时缩短到8分钟的时间。为此,他们生成了“几何草图”,在它们上面运行了Scanorama,并推断了他们在将几何草图合并到更大的数据集方面所学到的知识。这种技术本身来源于Berger集团开发的压缩基因组学。

  “即使你需要对整个数据集进行草图,集成和重新应用,它仍然比组合整个数据集快一个数量级,”Hie说。

http://harpoolbrothers.com/shujuji/449.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有