主题级单细胞表达数据的非参数贝叶斯两级聚类-上

单细胞测序的出现为个性化治疗开辟了新的途径。在这项研究中，我们基于来自多个个体的单细胞表达数据，解决了同时发现个体亚组（个体水平）和细胞类型（细胞水平）的两水平聚类问题。目前的统计方法要么对细胞进行聚类而不考虑个体的异质性，要么对个体进行分组而不利用单细胞信息。为了弥补细胞聚类和个体分组之间的差异，我们开发了一个非参数贝叶斯模型，即单细胞表达数据的个体和细胞聚类（SCSC）模型，以同时实现个体和细胞聚类。SCSC模型不需要预先指定个体分组数量或细胞类型数量。它能自动诱导个体子组结构，并在个体之间匹配细胞类型。此外，它直接对单细胞原始的计数数据进行建模，并考虑了数据的丢失（dropout）、库的大小和过离散的特点。我们为了后验推断提出了一个块状吉布斯抽样方法。在模拟数据和多个体的诱导多能干细胞单细胞RNA测序数据上的应用，证实了SCSC模型同时对主体和细胞进行聚类的能力。