算法设计与实现
构建无细胞分割的空间基因表达建模与细胞类型分配流程
基于SSAM的KDE思路,在Rust中实现稀疏矩阵数据结构与多线程KDE计算,Python封装API,并提供Julia实现Sainsc.jl
Sainsc: A Computational Tool for Segmentation-Free Analysis of In Situ Capture Data.
提出计算工具并基于模拟数据及多种SRT数据集验证,含性能对比,但无湿实验功能或机制验证
模拟SRT数据集(500×500网格,小鼠肾脏九种细胞类型) E16.5小鼠全胚胎Stereo-seq数据 小鼠脑冠状切片Stereo-seq与Nova-ST数据 Xenium小鼠脑数据集
模拟数据中Sainsc与TopACT在原生分辨率下准确率相当,优于bin size为20的RCTD E16.5小鼠全胚胎Stereo-seq数据在原生分辨率下进行监督与无监督分析,与已发表细胞类型图谱比较 小鼠脑Stereo-seq与Nova-ST冠状切片使用Yao et al.单细胞RNAseq签名进行细胞类型分配 Xenium数据以1 µm bin和2.5 µm带宽与SSAM比较,调整兰德指数0.86 计算性能基准:8线程、Gaussian核带宽8、Stereo-seq小鼠脑样本
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
构建无细胞分割的空间基因表达建模与细胞类型分配流程
基于SSAM的KDE思路,在Rust中实现稀疏矩阵数据结构与多线程KDE计算,Python封装API,并提供Julia实现Sainsc.jl
评估细胞类型分配准确率与分配评分
使用TopACT文献的模拟数据,100次重复的500×500网格,625个细胞,9种小鼠肾脏细胞类型,Poisson过程生成表达并随机置20%为零
验证在大型真实数据集中的可用性与灵敏度
对E16.5小鼠全胚胎Stereo-seq数据进行监督和无监督细胞类型分配,并与已发表分割图谱比较
验证跨技术和跨签名来源的通用性及稀有细胞识别
对Stereo-seq小鼠脑冠状切片、Nova-ST数据及Xenium数据进行细胞类型分配,使用Yao et al.单细胞签名识别皮层分层和BAM
评估运行时间、内存和可扩展性
对Stereo-seq小鼠脑样本进行子采样和参数变化,比较Sainsc与FICTURE、TopACT、SSAM
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 模拟数据验证 | 模拟数据生成参数:100次重复、500×500网格、625个细胞、9种细胞类型、20%零膨胀;Sainsc带宽(Gaussian 5,Epanechnikov 10) 阅读提示:Experimental Section — Synthetic Data |
| Stereo-seq小鼠全胚胎分析 | 原生分辨率500 nm/px;Gaussian kernel bandwidth 8 px截断于2倍带宽;监督分析top 2000 HVG;无监督分析bin 50×50、top 10000 HVG、top 2000 SVG、Leiden resolution=2、local maxima min_dist=4/min_area=60 阅读提示:Experimental Section — Stereo-Seq Analysis 与 Stereo-Seq Analysis—Embryo Unsupervised |
| 小鼠脑多平台分析 | Stereo-seq和Nova-ST binning至500 nm、bandwidth 8 px;Xenium binning至500 nm;BAM区域面积阈值至少60 pixels 阅读提示:Experimental Section — Stereo-Seq Analysis—Coronal Mouse Hemibrain、Xenium Analysis、Nova-ST Analysis |
| SSAM比较 | SSAM v1.0.1,pixel size 1 µm、bandwidth 2.5 µm、截断4倍带宽;前景阈值total mRNA KDE>0.1 阅读提示:Experimental Section — Comparison to SSAM |
| 计算性能基准 | 8 CPUs、Dell PowerEdge C6420、2x Intel Xeon Gold 6252@2.1 GHz、64 GB RAM(部分32 GB或128 GB)、Sainsc八线程、FICTURE 42 factors/width 15、TopACT radius 3–9八进程 阅读提示:Experimental Section — Benchmarking and Runtime Performance Metrics 及各Benchmark小节 |