得益于首席研究员KimJaeKyoung领导的IBS数学和计算科学中心生物医学数学小组开发的创新scLENS工具，从复杂的单细胞基因组数据中解锁生物信息变得更加容易和精确。韩国科学技术院教授。这代表着单细胞转录组学领域的重大飞跃。

单细胞基因组分析是一种先进技术，可在单个细胞水平上测量基因表达，揭示传统基因组分析方法无法观察到的细胞变化和相互作用。当应用于癌症组织时，这种分析可以描绘肿瘤内不同细胞类型的组成，提供有关癌症如何进展的见解，并识别进展每个阶段所涉及的关键基因。

尽管单细胞基因组分析具有巨大潜力，但处理其生成的大量数据始终具有挑战性。数据量涵盖数百到数千个单个细胞中数万个基因的表达。这不仅会产生大量数据集，还会引入与噪声相关的失真，部分原因是当前测量的限制。

通讯作者KimJaeKyoung强调，“在过去的十年中，分析单细胞转录组的实验技术取得了显着的进步。然而，由于数据分析方法的限制，要充分利用通过大量的成本和时间。”

多年来，研究人员开发了多种分析方法来从这种噪音中辨别生物信号。然而，这些方法的准确性并不令人满意。一个关键问题是确定信号和噪声阈值通常取决于用户的主观决定。

新开发的scLENS工具利用随机矩阵理论和信号稳健性测试来自动区分信号和噪声，而无需依赖主观用户输入。

第一作者KimHyun表示：“以前，用户必须任意决定信号和噪声的阈值，这会损害分析结果的可重复性并引入主观性。scLENS仅使用数据的固有结构自动检测信号，从而消除了这个问题。”

在scLENS的开发过程中，研究人员确定了现有分析方法不准确的根本原因。他们发现常用的数据预处理方法会扭曲生物信号和噪声。scLENS提供的新预处理方法不会出现此类失真。

通过解决传统数据预处理中由用户主观选择确定的噪声阈值和信号失真相关的问题，scLENS在准确性方面显着优于现有方法。此外，scLENS可自动执行信号维度选择的繁琐过程，使研究人员能够方便、自动地提取生物信号。

CiKim补充道：“scLENS解决了单细胞转录组数据分析中的重大问题，大幅提高了整个分析过程的准确性和效率。这是基础数学理论如何推动生命科学研究创新的一个典型例子，使研究人员能够更多地了解单细胞转录组数据分析中的关键问题。”快速准确地回答生物学问题，揭开以前隐藏的生命秘密。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：