바이오 대표

Introduction Mutimodals 을 이용한 싱글셀 분석. 해당 논문에서는 “weighted-nearest neighbor(WNN)” 을 이용하여 integrate multiple data types (joint definition of cellular states)를 구한다. WNN 은 각 cell-specific modality weights를 구하는 unsupervised learning 이다. Results 대부분 CITE-seq을 기준으로 진행하였다. CITE-seq을 이용하면 scRNAseq 데이터와 세포 표면에 붙어있는 protein들의 정보를 알 수 있다. 여러 modality를 이용했을때, 각 세포를 더 잘 reflect 할 수 있는 modality 에 더 큰 weight 부여해..

해당 글은 지마님의 블로그의 Batch effect https://ruins880.tistory.com/88 를 참고하였습니다. 좀 더 자세한 사항은 지마님의 블로그를 참고바랍니다. Normalization vs Batch effect correction in scRNAseq Normalization: 라이브러리 제작, dropout, 유전자 길이, GC 비율 등에 따른 증푹 치우침 (amplification bias) - raw count matrix 이용 Batch Effect correction: 실험 설계 및 실험 과정 (시퀀싱 기계, 실험 시각, 시약, 실험실) 에서 오는 변이 통제 - 차원이 축소된 데이터 이용 (계산 시간 줄이기 위하여) ⇒ batch effect 가 제거된 결과는 차원이 축..

CITE-seq 은 single cells 에서의 [1] Transcripts [2] Extracellular proteins 의 quantification 을 동시에 구할 수 있다. 기본 scRNA-seq (single cell RNA-seq) 으로는 알아 낼 수 없는 post-transcriptional gene regulation 이나 cell-surface protein levels 와 같은 phenotypic information을 알수 있다. CITE-seq 데이터를 이용해서 DE Analysis 를 진행해보았다. 가장 대표적인 R Bioconductor package CiteFuse 를 이용하였다. CiteFuse 는 transcript data와 protein data 를 구별하여 다루고 ..