Copyright © 第九届全国计算生物与生物信息学大会
Powered by 徐州医科大学
Benchmarking algorithms for spatial transcriptomics analysis
口头报告
报告开始：5月14日 15:35:00 （Asia/Shanghai）
报告时间：15min
所在会议：[S3] 分会场三 [S3-2] 单细胞组学技术开发与应用
摘要
空间转录组技术能够检测生物组织中RNA的空间分布，但表征空间中单个细胞的全转录组仍然具有挑战性。目前已发表了多种方法将空间转录组数据与scRNA-seq数据相整合，以预测转录本的空间分布，或对空间中的样本点去卷积，然而尚未有系统性研究对这些整合方法的性能进行比较。为了解决这一问题，我们在研究中使用87个包含空间转录组和scRNA-seq数据的配对数据集对16 种整合方法进行基准测试，发现基于非凸优化的算法在预测 RNA的空间分布方面优于其他方法，而基于概率模型的算法是用于细胞类型去卷积的最佳方法。
报告人
黎斌
研究员 北京生命科学研究所黎斌博士长期致力于开发新型机器学习和深度学习算法深入分析基因组大数据，主持开发了多种针对单细胞基因组数据和空间转录组数据的分析算法，研究细胞发育和病变的生物学内在因素，探索流行性传染病和恶性肿瘤的发病机制和潜在的药物靶点，挖掘临床病例的基因组特征，实现针对不同患者的个性化基因诊疗方案。近年来先后在Nature Methods、 Genome Biology、Nature Communications等国际知名期刊上以第一或通讯作者发表重要研究成果，受到国内外相关领域专家的广泛关注。