TORC: Target-Oriented Reference Construction for Supervised Cell-Type Identification in scRNA-seq.

چکیده اصلی

Cell-type identification is a crucial step in single-cell RNA-seq (scRNA-seq) data analysis, for which supervised methods are preferred due to their accuracy and efficiency. The quality of the reference data plays an important role in cell-type identification performance, but systematic strategies for selecting and reconstructing reference data remain limited. We present Target-Oriented Reference Construction (TORC), a widely applicable strategy for constructing reference data from available labeled cells given a target dataset. TORC alleviates the differences in data distribution and cell-type composition between the reference and the target. TORC combines initial supervised prediction, optional reference expansion using target cells with high-confidence predicted labels, and reference reconstruction guided by estimated cell-type compositions. Here, we provide detailed, step-by-step instructions describing the input requirements, configurable parameters, and practical considerations for applying TORC in real scRNA-seq analyses. TORC is available at https://github.com/weix21/TORC , where an example implementation using an MLP-based classifier is provided.

ترجمه فارسی چکیده

شناسایی نوع سلولی یک مرحله حیاتی در تحلیل داده‌های اسکی‌آران‌اس‌کی (scRNA-seq) است که در آن روش‌های نظارت‌شده به دلیل دقت و کارایی ترجیح داده می‌شوند. کیفیت داده‌های مرجع نقش مهمی در عملکرد شناسایی نوع سلولی دارد، اما استراتژی‌های سیستماتیک برای انتخاب و بازسازی داده‌های مرجع همچنان محدود است. ما استراتژی ساخت مرجع متمرکز بر هدف (TORC) را معرفی می‌کنیم که یک استراتژی کاربردی و گسترده برای ساخت داده‌های مرجع از سلول‌های برچسب‌خورده موجود در دسترس با توجه به یک مجموعه داده هدف است. TORC تفاوت‌های توزیع داده و ترکیب نوع سلولی را بین مرجع و هدف کاهش می‌دهد. TORC ترکیبی از پیش‌بینی نظارت‌شده اولیه، گسترش اختیاری مرجع با استفاده از سلول‌های هدف با برچسب‌های پیش‌بینی با اطمینان بالا و بازسازی مرجع هدایت‌شده توسط ترکیب‌های برآورد شده نوع سلولی است. در اینجا، دستورالعمل‌های دقیق و مرحله‌به‌مرحله توصیف می‌شوند که شامل الزامات ورودی، پارامترهای قابل تنظیم و نکات عملی برای اعمال TORC در تحلیل‌های واقعی scRNA-seq است. TORC در دسترس است: https://github.com/weix21/TORC ، جایی که یک پیاده‌سازی نمونه با استفاده از طبقه‌بندی‌کننده مبتنی بر MLP ارائه شده است.

متن کامل اصلی