popsicleR: QC de dados de single cell RNA-Seq
Data:
O pacote popsicleR permite realizar pré-processamento e QC em dados de scRNA-Seq
Autor | César H. Yokomizo
A disponibilização de dados de sequenciamento de célula única - single cell sequencing - têm crescido de maneira acelerada e com isso trazendo oportunidades até pouco tempo inimagináveis.
Através da análise desses dados, é possível compreender a complexidade de tecidos, bem como determinar as funções dos mais diversos tipos celulares.
Porém, essa análise não é uma tarefa trivial, uma vez que gera inúmeros desafios nas suas diversas etapas, no que concerne à demandas de grande poder computacional em conjunto com a necessidade de profundos conhecimentos biológicos.
Como exemplo prático, podemos imaginar o seguinte cenário: dados de RNA-Seq de célula única - scRNA-Seq - contém diversos ruídos e vieses biológicos, além de artefatos técnicos. Esses dados necessitam passar por intensos (e custosos) processos de pré-processamento e controle de qualidade (QC).
Esses processos são compostos por combinações complexas entre estratégias computacionais que irão quantificar as métricas de QC e a definição de parâmetros ótimos para o pré-processamento, geralmente realizados manualmente.
É aí que chegamos ao popsicleR, um pacote escrito em R, desenvolvido por pesquisadores da Universidade de Modena e Reggio Emilia para realizar o pré-processamento e a análise de controle de qualidade de dados de scRNA-seq.
O workflow completo do pacote é composto de 7 funções : exploração de métricas de QC, filtragem de células de baixa qualidade, identificação de duplicações, normalização de dados, remoção de vieses técnicos e biológicos, clusterização de células e anotação de células.
O pacote popsicle R utiliza como inputs os arquivos de saída - outputs - provenientes da pipeline Cell Ranger da 10X Genomics e também de matrizes barcodes de contagens brutas geradas a partir de qualquer outra tecnologia de scRNA-Seq.
O pacote em R é a combinação de diversos métodos implementados em pipelines testadas e validadas, que são utilizadas para realizar todas as principais etapas de pré-processamento e QC em dados de scRNA-seq.
Gostou do conteúdo? Não esqueça de deixar seu like, comentário, ou compartilhar o post!
Saiba mais:
#ciencia #bioinformatica #edutaugc #singlecellsequencing #pipeline #rnaseq
Última atualização: Aug. 4, 2022, 10:24 p.m.