ReDeconv: новый алгоритм раскрыл критические ошибки в тысячах исследований РНК
NewsMakerАлгоритм устраняет искажения RNA-секвенирования.
Исследователи из Детского исследовательского госпиталя Святого Иуды разработали алгоритмический инструмент ReDeconv, который помогает ученым глубже анализировать транскриптомные данные, устраняя ошибки традиционных методов обработки RNA-seq.
Современные технологии секвенирования РНК, такие как массовый и одно-клеточный RNA-seq, позволяют изучать экспрессию генов на детальном уровне. Однако используемые для их анализа вычислительные методы нередко упрощают обработку данных, упуская важные биологические нюансы. Это может приводить к искажению результатов, особенно при сравнении разных типов клеток.
ReDeconv , описание которого опубликовано в Nature Communications, устраняет ключевые ошибки в расчетах, учитывая различия в размерах транскриптома. Например, количество экспрессируемых генов в разных клетках варьируется: эритроциты почти полностью сосредоточены на синтезе гемоглобина, тогда как стволовые клетки экспрессируют тысячи генов. Традиционные алгоритмы часто не учитывают такие различия, что ведет к неверной интерпретации данных.
«ReDeconv позволяет учитывать размер транскриптома, что значительно улучшает точность анализа RNA-seq», — объясняет автор исследования Цзиян Юй, и.о. заведующего кафедрой вычислительной биологии в госпитале Святого Иуды.
Использование ReDeconv позволяет более точно определять клеточные типы в образце и уменьшает погрешности, возникающие из-за различий в общей экспрессии генов и их длине. По словам первого автора статьи, Сонгцзяня Лу, новая методика улучшает точность нормализации данных и раскрывает дополнительные слои информации, которые ранее могли оставаться незамеченными.
Исследователи из Детского исследовательского госпиталя Святого Иуды разработали алгоритмический инструмент ReDeconv, который помогает ученым глубже анализировать транскриптомные данные, устраняя ошибки традиционных методов обработки RNA-seq.
Современные технологии секвенирования РНК, такие как массовый и одно-клеточный RNA-seq, позволяют изучать экспрессию генов на детальном уровне. Однако используемые для их анализа вычислительные методы нередко упрощают обработку данных, упуская важные биологические нюансы. Это может приводить к искажению результатов, особенно при сравнении разных типов клеток.
ReDeconv , описание которого опубликовано в Nature Communications, устраняет ключевые ошибки в расчетах, учитывая различия в размерах транскриптома. Например, количество экспрессируемых генов в разных клетках варьируется: эритроциты почти полностью сосредоточены на синтезе гемоглобина, тогда как стволовые клетки экспрессируют тысячи генов. Традиционные алгоритмы часто не учитывают такие различия, что ведет к неверной интерпретации данных.
«ReDeconv позволяет учитывать размер транскриптома, что значительно улучшает точность анализа RNA-seq», — объясняет автор исследования Цзиян Юй, и.о. заведующего кафедрой вычислительной биологии в госпитале Святого Иуды.
Использование ReDeconv позволяет более точно определять клеточные типы в образце и уменьшает погрешности, возникающие из-за различий в общей экспрессии генов и их длине. По словам первого автора статьи, Сонгцзяня Лу, новая методика улучшает точность нормализации данных и раскрывает дополнительные слои информации, которые ранее могли оставаться незамеченными.