微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：空间转录组技术能够在探测基因表达⽔平的同时获得其空间位置信息，被⼴泛应用于研究组织器官发育和疾病的发⽣发展过程。目前的空间转录组技术存在基因通量小或空间分辨率低等缺陷，使得研究者难以获得单个细胞的完整转录组信息。因此，研究者开发了许多整合空间转录组和单细胞转录组数据的算法⼯具。然⽽，尚⽆系统的独立研究来比较不同算法⼯具的性能。为了帮助研究者选择合适的算法⼯具，我们设计了⼀整套标准分析流程，从准确性、鲁棒性、计算资源等多个维度系统性评估了 16 种空间转录组和单细胞转录组数据整合算法在预测基因或细胞类型空间分布⽅面的性能。研究共收集了 45 对来源同⼀组织的空间转录组与单细胞转录组数据集以及 32 对模拟数据集。测试结果表明Tangram、gimVI 和 SpaGE 在预测基因空间分布⽅面优于其他整合算法。此外，Cell2location、SpatialDWLS 和 RCTD 在预测细胞类型空间分布⽅面更具优势。最后，我们总结了每种算法的属性、性能和适用性， 并建立了直接的定量标准，为研究⼈员进⼀步提升算法性能提供了参考；并在github 上提供了整合空间转录组和单细胞转录组数据的分析流程，为⽣物学家提供了明确的使用指南。
讲者简介：中国科学技术大学国际合作与交流部部长兼港澳台办公室主任，中国科学技术大学生命科学与医学部教授、博士生导师。曾任美国斯坦福大学医学院生物信息研究员、高级研究员和中心主任。2016获国家创新人才青年项目，同年进入中国科学技术大学工作。长期致力于通过生命科学与医学、化学、数学和计算机科学的交叉融合，发展新型基因组学测序技术和生物大数据分析算法和软件，尤其是单细胞组学和空间组学技术及其分析方法，系统性研究新冠肺炎、肿瘤、自身免疫病等重大疾病的免疫学致病机理。具体研究领域包括：基于二代测序技术，开发超高通量单细胞多组学和空间转录组学测序技术，为多维度、系统性获得重大疾病的组学信息提供工具。结合深度学习和人工智能，开发生物医学大数据分析算法和软件，为深度解析大规模疾病组学大数据提供算法支撑。利用组学技术和数据分析算法，研究肿瘤和自身免疫病等重大疾病的成因和演化。
第二十一届CCF中国信息系统及应用大会
本期嘉宾
京公网安备11010802032778号