Liger

LIGER (Linked Inference of Genomic Experimental Relationships)

Downcodes, Okt. 2024

LIGER (installiert als rliger) ist ein leistungsstarkes Paket zur Integration und Analyse mehrerer Einzelzelldatensätze. LIGER wurde vom Macosko-Labor entwickelt und vom Welch-Labor aktiv gepflegt und erweitert. Es nutzt die integrative nicht-negative Matrixfaktorisierung, um sowohl gemeinsame als auch datensatzspezifische Faktoren in verschiedenen Einzelzelldatensätzen zu identifizieren.

Tauchen Sie tiefer in die Methoden und Analysen in unserem Cell-Artikel ein. Greifen Sie über die Studie „SCP466“ im Single Cell Portal auf die in unseren SN- und BNST-Analysen verwendeten Daten zu.

LIGER-Anwendungen

LIGER erweist sich als besonders nützlich für den Vergleich und die Gegenüberstellung experimenteller Datensätze in verschiedenen Forschungskontexten, darunter:

1. Identifizierung von Zelltypen, die in mehreren Experimenten verwendet werden: Mit LIGER können Forscher gemeinsame Zelltypen in mehreren Datensätzen identifizieren, selbst wenn diese Datensätze aus unterschiedlichen experimentellen Bedingungen oder Plattformen stammen.

2. Erkennung von Unterschieden in der Zelltypzusammensetzung: LIGER erleichtert den Vergleich der Zelltypanteile unter verschiedenen Bedingungen und ermöglicht es Forschern, Veränderungen in der Zellzusammensetzung zu identifizieren, die durch Faktoren wie Arzneimittelbehandlung oder Entwicklungsstadium verursacht werden.

3. Analyse der zelltypspezifischen Genexpression: LIGER ermöglicht Forschern die Untersuchung von Genexpressionsmustern, die für verschiedene Zelltypen spezifisch sind, über mehrere Datensätze hinweg und liefert so Einblicke in die molekularen Mechanismen, die der Zellfunktion und -differenzierung zugrunde liegen.

4. Untersuchung von Zell-Zell-Interaktionen: Mit LIGER können Interaktionen zwischen verschiedenen Zelltypen über mehrere Datensätze hinweg untersucht werden, was zu einem tieferen Verständnis der zellulären Kommunikation und Signalwege führt.

LIGER-Funktionalität

Sobald mehrere Datensätze integriert sind, bietet LIGER eine Reihe von Funktionalitäten für die weitere Datenexploration, -analyse und -visualisierung. Benutzer können:

1. Dimensionalitätsreduktion durchführen: LIGER bietet Werkzeuge für Dimensionsreduktionstechniken wie Hauptkomponentenanalyse (PCA) und t-Distributed Stochastic Neighbor Embedding (t-SNE), um die integrierten Daten zu visualisieren und zugrunde liegende zelluläre Beziehungen zu identifizieren.

2. Clusterzellen: LIGER erleichtert die Clusterbildung von Zellen auf der Grundlage ihrer Ähnlichkeiten in den Genexpressionsprofilen und ermöglicht es Forschern, unterschiedliche Zellpopulationen innerhalb der integrierten Daten zu identifizieren.

3. Führen Sie eine differenzielle Expressionsanalyse durch: Mit LIGER können Benutzer Gene identifizieren, die zwischen verschiedenen Zelltypen oder Versuchsbedingungen unterschiedlich exprimiert werden, und so Einblicke in die molekularen Mechanismen erhalten, die zellulären Unterschieden zugrunde liegen.

4. Visualisieren Sie die integrierten Daten: LIGER bietet verschiedene Visualisierungstools wie Heatmaps und Streudiagramme, um die integrierten Daten klar und informativ zu untersuchen und darzustellen.

Interoperabilität

LIGER ist so konzipiert, dass es sich nahtlos in gängige Einzelzellanalysepakete wie Seurat integrieren lässt, um einen reibungslosen Arbeitsablauf zu ermöglichen und die Datenanalysefunktionen zu verbessern.

Unter Berufung auf LIGER

Wenn Sie LIGER in Ihrer Forschung verwenden, zitieren Sie bitte unseren Artikel entsprechend:

Joshua D. Welch et al., Single-Cell Multi-omic Integration Compares and Contrasts Features of Brain Cell Identity, Cell, BAND 177, AUSGABE 7, P1873-1887.E17 (2019), https://doi.org/10.1016 /j.cell.2019.05.006

Liu, J., Gao, C., Sodicoff, J. et al. Gemeinsame Definition von Zelltypen aus mehreren Einzelzelldatensätzen mit LIGER. Nat Protoc 15, 3632–3662 (2020), https://doi.org/10.1038/s41596-020-0391-8

Gao, C., Liu, J., Kriebel, AR et al. Iterative Single-Cell-Multi-Omic-Integration mithilfe von Online-Lernen. Nat Biotechnol 39, 1000–1007 (2021), https://doi.org/10.1038/s41587-021-00867-x

Kriebel, AR, Welch, JD UINMF führt eine Mosaikintegration von Einzelzellen-Multi-Omic-Datensätzen mithilfe einer nichtnegativen Matrixfaktorisierung durch. Nat Commun 13, 780 (2022), https://doi.org/10.1038/s41467-022-28431-4

Feedback und Support

Wenn Sie Fragen, Kommentare oder Vorschläge haben, können Sie gerne ein Problem in unserem Repository eröffnen.

Verwendung

Ausführliche Anwendungsbeispiele und geführte Komplettlösungen für bestimmte Anwendungsfälle finden Sie in unseren folgenden Artikeln:

[Link zu Artikel 1]

[Link zu Artikel 2]

[Link zu Artikel 3]

LIGER 2.0.0 und höher: Seit Version 2.0.0 wurde LIGER erheblich aktualisiert, um die Benutzerfreundlichkeit und Interoperabilität mit anderen Paketen zu verbessern. Erfahren Sie hier mehr über diese aufregenden neuen Funktionen: [Link zur Einführung neuer Funktionen]

LIGER 1.0.1-Tutorials: Wenn Sie auf die Tutorials für die vorherige Version von rliger (v1.0.1) zugreifen müssen, besuchen Sie bitte unser GitHub-Archiv: [Link zum GitHub-Archiv] Laden Sie die gewünschten gerenderten HTML-Dateien herunter und öffnen Sie sie in Ihrem Browser.

Beispieldatensätze

Das rliger-Paket enthält verschiedene Arten kleiner Spielzeugdatensätze für grundlegende Demonstrationen seiner Funktionen. Nachdem Sie das Paket in einer R-Sitzung angehängt haben, können Sie es laden mit:

`R

Daten("pbmc")

data("pbmcPlot")

Daten("bmmc")

`

Darüber hinaus stellen wir für umfassendere Demos einen kuratierten Satz realer Datensätze bereit, der scRNAseq-, scATACseq-, räumliche Transkriptomik- und DNA-Methylierungsdaten umfasst. Diese Datensätze werden in den Artikeln, in denen sie verwendet werden, ausführlich beschrieben.

Zögern Sie nicht, diese Datensätze über die oben angegebenen Links zu erkunden!

---

Dieser Inhalt bietet einen umfassenden Überblick über LIGER, einschließlich seiner Anwendungen, Funktionalitäten, Interoperabilität und Nutzung. Downcodes小编 hat den Originaltext sorgfältig umstrukturiert und neu geschrieben, um Originalität und Klarheit zu gewährleisten. Die Einbeziehung von Überschriften, Aufzählungspunkten und Links verbessert die Lesbarkeit und Navigation dieser Informationen für Benutzer.