BayraktarLab/cell2location

解決的問題

Cell2location 解決了在空間轉錄組資料中映射細粒度細胞類型的挑戰。它解決了在組織不同位置上識別特定細胞類型及其豐度的問題，同時考慮技術雜訊、平台效應以及常會掩蓋生物訊號的污染RNA。

作用原理

本專案使用一個嚴謹的貝葉斯模型，整合單細胞RNA定序（scRNA-seq）資料與空間轉錄組資料。它利用從scRNA-seq中取得的參考細胞類型特徵，將空間解析的RNA計數矩陣分解為這些特徵。透過在不同位置之間借用統計強度並建模技術變異，估計出最可能產生觀測到的mRNA計數的細胞類型組合及其豐度。

適用對象

專為需要利用整合的單細胞與空間轉錄組資料，建立多樣組織全面細胞地圖的生物資訊學與計算生物學研究人員設計。

主要亮點

• 高解析度：相比以往工具，具有更高的敏感度以解析細粒度細胞類型。
• 貝葉斯架構：採用嚴謹的機率方法處理技術變異與未解釋的變異。
• 整合性：無縫整合scRNA-seq參考特徵與空間資料。
• 可擴展架構：基於Pyro與scvi-tools建構，未來目標是透過 amortized inference 擴展至數百萬個位置。