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

Documentos da dissertação ainda não disponíveis publicamente

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