Dissertação

Probabilistic Modelling of Single-cell Transcriptomics EVALUATED

O perfil genético de uma célula dita a sua função em processos moleculares e pode ser utilizado para inferir sobre a sua saúde. Isto representa um passo na caracterização profunda de doenças como o cancro e pode levar a avanços no seu tratamento. A tecnologia utilizada para medir a expressão genética de células isoladas, scRNA-seq, emergiu na última década como o principal catalizador destes avanços. No entanto, os métodos existentes para redução de dimensionalidade, agrupamento de tipos de células e análise de diferenças de expressão entre condições são limitados pelas especificidades dos dados obtidos através de scRNA-seq, em que factores técnicos podem confundir análises da verdadeira variabilidade biológica e contribuir para resultados espúrios. Para superar este problema, uma possível abordagem é a construção de modelos probabilísticos do processo generativo dos dados, em que variáveis latentes codificam os diferentes factores de variação. Nesta dissertação estudam-se os principais modelos probabilísticos para scRNA-seq e propõem-se dois modelos que podem ser utilizados para análise robusta dos dados. Para garantir expressividade e escalabilidade para grandes conjuntos de dados, derivam-se algoritmos de inferência variacional para aproximar a distribuição sobre as variáveis escondidas de ambos os modelos. É demonstrado que os modelos propostos são competitivos com os modelos actuais para a redução robusta de dimensionalidade em dados recentes, e melhoram o melhor modelo Bayesiano para conjuntos de dados pequenos. Os resultados mostram que construir modelos probabilísticos com variáveis latentes e utilizar inferência variacional é uma abordagem promissora para a análise de dados de scRNA-seq em larga escala.
scRNA-seq, modelos probabilísticos, inferência estatística, redução de dimensionalidade

Outubro 31, 2018, 11:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Alexandra Sofia Martins de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar