FenixEdu™

Dissertação

Latent variable modelling and variational inference for single-cell RNA-seq differential expression analysis EVALUATED

Detalhes: No ramo da biologia molecular, a análise do perfil genético é um meio para desvendar características celulares desconhecidas. Uma das principais tarefas na análise de expressão genética é a exploração de dados transcriptómicos, o que permite a identificação de genes com expressão diferenciada em diferentes tipos de tecidos. Caracterização de doenças, desenvolvimento de tratamentos e identificação de novas populações celulares são algumas das aplicações que assentam na análise de genes diferencialmente expressos (GDE). Neste contexto, três tecnologias emergiram: microarrays de DNA, sequenciamento de RNA e sequenciamento de RNA em células individuais (scRNA-seq). Apesar de scRNA-seq proporcionar dados mais precisos, estes são afetados por ruído. Neste trabalho, são introduzidas duas novas abordagens para analisar GDE usando dados scRNA-seq: extended Bayesian zero-inflated negative binomial factorization (ext-ZINBayes) e single-cell differential analysis (SIENA). Ambos assentam em modelos de variáveis latentes para mitigar o impacto do ruído nos dados e recorrem a inferência variacional para analisar componentes do modelo. As duas abordagens são comparadas com métodos existentes, usando dois datasets reais. Um contém dados sobre dois tipos de células de rato e o outro sobre quatro tipos de células do sangue periférico humano. Os resultados mostram que os dois procedimentos conseguem ser competitivos com métodos existentes para a identificação de biomarcadores relevantes. Em termos de escalabilidade e exatidão, o SIENA destaca-se do ext-ZINBayes e de outros métodos. Dado que os dados scRNA-seq estão a aumentar de forma extraordinária, o SIENA poderá revelar-se uma ferramenta essencial para a descoberta de diferenças funcionais entre duas condições distintas.
Keywords: expressão diferenciada, scRNA-seq, modelos de variáveis latentes, inferência variacional

Discussão: novembro 4, 2019, 9:0