面向单细胞 CRISPR 筛选的指数族测量误差模型
统计方法学
2024-03-13 v3 应用统计
摘要
CRISPR 基因组工程与单细胞 RNA 测序加速了生物学发现。单细胞 CRISPR 筛选将这两种技术结合起来，将单个细胞中的遗传扰动与基因表达变化联系起来，并阐明疾病背后的调控网络。尽管前景广阔，单细胞 CRISPR 筛选带来了巨大的统计挑战。我们通过理论和真实数据分析证明，单细胞 CRISPR 筛选中用于估计和推断的标准方法——“阈值回归”——表现出衰减偏差以及作为内在且难以选择的调谐函数参数的偏差-方差权衡。为克服这些困难，我们引入了 GLM-EIV（“基于 GLM 的变量误差模型”），一种用于单细胞 CRISPR 筛选分析的新方法。GLM-EIV 将经典变量误差模型扩展到指数族分布且可能受同一组混杂变量影响的响应和含噪预测变量。我们开发了计算基础设施，以在云（例如 Microsoft Azure）和高性能集群上的数百个处理器部署 GLM-EIV。利用该基础设施，我们应用 GLM-EIV 分析两个近期大规模单细胞 CRISPR 筛选数据集，产生了若干新见解。
引用
@article{arxiv.2201.01879,
title = {Exponential family measurement error models for single-cell CRISPR screens},
author = {Timothy Barry and Kathryn Roeder and Eugene Katsevich},
journal= {arXiv preprint arXiv:2201.01879},
year = {2024}
}