BayraktarLab/cell2location

解决的问题

Cell2location 解决了在空间转录组数据中映射细粒度细胞类型的问题。它解决了在组织不同位置上识别具体细胞类型及其丰度的难题，同时考虑了技术噪声、平台效应以及常掩盖生物信号的污染RNA。

工作原理

该项目使用一个严谨的贝叶斯模型，将单细胞RNA测序（scRNA-seq）数据与空间转录组数据进行整合。它利用从scRNA-seq中获得的参考细胞类型特征，将空间分辨的RNA计数矩阵分解为这些特征。通过在不同位置之间借用统计强度并建模技术方差，它估计出最可能产生观测到的mRNA计数的细胞类型组合及其丰度。

适用人群

专为需要利用整合的单细胞和空间转录组数据创建多样化组织全面细胞图谱的生物信息学和计算生物学研究人员设计。

主要亮点

• 高分辨率：相比以往工具，具有更高的灵敏度以解析细粒度细胞类型。
• 贝叶斯框架：采用严谨的概率方法处理技术变异和未解释的变异。
• 集成性：无缝整合scRNA-seq参考特征与空间数据。
• 可扩展架构：基于Pyro和scvi-tools构建，未来目标是通过摊销推断扩展至数百万个位置。