TIC2D：コンセンサスクラスタリングを使用した単一細胞RNA-Seqデータからの軌跡推論

セルラープログラムは、プログラムの実行のタイミングにおいて、強い不均一性と非同期を示すことがよくあります。シングルセルRNA-SEQテクノロジーは、単一セル解像度で多くのパラメーターを同時に定量化することにより、これらの細胞プロセスを特徴付ける前例のない機会を提供しました。堅牢な軌道推論は、動的な側頭遺伝子発現の分析における重要なステップであり、正常な発達と病気のメカニズムに光を当てることができます。ここでは、シングルセルRNA-SEQデータからの細胞軌道推論の新しいアルゴリズムであるTIC2Dを提示します。これは、セルを正確にクラスター化するコンセンサスクラスタリング戦略を採用しています。TIC2Dのパワーを評価するために、4つの独立した単一細胞RNA-SEQデータセットの3つの最先端の方法と比較します。結果は、TIC2Dが単一細胞トランスクリプトームからの発達軌跡を正確に推測できることを示しています。さらに、再構築された軌跡により、細胞の運命の決定に関与する重要な遺伝子を特定し、さまざまな発達段階での役割に関する新しい洞察を得ることができます。

Cellular programs often exhibit strong heterogeneity and asynchrony in the timing of program execution. Single-cell RNA-seq technology has provided an unprecedented opportunity for characterizing these cellular processes by simultaneously quantifying many parameters at single-cell resolution. Robust trajectory inference is a critical step in the analysis of dynamic temporal gene expression, which can shed light on the mechanisms of normal development and diseases. Here, we present TiC2D, a novel algorithm for cell trajectory inference from single-cell RNA-seq data, which adopts a consensus clustering strategy to precisely cluster cells. To evaluate the power of TiC2D, we compare it with three state-of-the-art methods on four independent single-cell RNA-seq datasets. The results show that TiC2D can accurately infer developmental trajectories from single-cell transcriptome. Furthermore, the reconstructed trajectories enable us to identify key genes involved in cell fate determination and to obtain new insights about their roles at different developmental stages.