• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.95.2020.tde-17042020-100412
Document
Auteur
Nom complet
Tiago Lubiana Alves
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2020
Directeur
Jury
Nakaya, Helder Takashi Imoto (Président)
Fujita, André
Silva, Israel Tojal da
Silveira, Eduardo Lani Volpe da
Titre en portugais
Detecção de populações em dados de sequenciamento de RNA de células individuais por meio de módulos de coexpressão
Mots-clés en portugais
Coexpressão
Sequenciamento de RNA de células únicas
Tipo celular
Resumé en portugais
O advento do sequenciamento de RNA de células únicas trouxe avanços científicos e desafios técnicos. Desenvolver novos métodos de análise é uma etapa crucial paramaximizar a extração de conhecimento desses dados. Neste trabalho, exploramos o reposicionamentode um algoritmo de seleção de características para tratar desafios de dados públicos de RNA de células únicas. Adaptamos o método FCBF (Filtro Rápido Baseado em Correlação, Fast Correlation-Based Filter) para selecionar genes relevantes para distinguir tipos celulares, e encontrar módulos de genes coexpressos. Em dados de células de sangue, notamos que os módulos encontrados correspondiam a programas transcricionais característicos de grupos celulares conhecidos. Em decorrência disso, implementamos uma pipeline capaz de utilizar os módulos de coexpressão para inferir os tipos celulares presentes em conjuntos de dados de forma multinível, evadindo os limites das rotulações únicas tradicionais. Processamos con-juntos de dados de células mononucleares de sangue humano e células embrionárias de peixe-zebra,observando que os módulos e populações encontradas traziam a luz informações biologicamente relevantes. Os algoritmos foram implementados em dois pacotes do Bioconductor, FCBF e fcoex, e estão disponíveis para comunidade, aumentando o arsenal para análise de dados de sequenciamento de RNA de células únicas.
Titre en anglais
Detection of populations in single-cell RNA sequencing data via coexpression modules
Mots-clés en anglais
Cell type
Coexpression
Single-cell RNA sequencing
Resumé en anglais
The advent of single-cell RNA sequencing has brought scientific advances and technical challenges. The development of new analysis methodologies is a crucial step to maximize the extraction of knowledge from this data. In this work, we explore the repositioning of a feature selection algorithm to address the analytical challenges of public single-cell RNA data. We adapted the FCBF method(Fast Correlation-Based Filter) to select relevant genes to distinguish cell types, and, from this list of genes, find modules of coexpressed genes. In blood cell data, we noted that the modules found corresponded to transcriptional programs characteristic of specific cell groups. As a result, we implemented a pipeline capable of using the coexpression modules to infer the cell types present in datasets in a multilevel way, avoiding the limits of traditional single labels. We processed datasets from human blood mononuclear cells and zebrafish embryonic cells, noting that the modules and populations found brought to light biologically relevant information. The algorithms were implemented in two Bioconductor packages, FCBF and fcoex, and are available to the community,increasing the arsenal for analyzing single-cell RNA sequencing data.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2021-02-12
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2021. Tous droits réservés.