- 5 次围观
单细胞蛋白质组学（single-cell proteomics, SCP）能够在数百到数千个单个细胞中生成蛋白丰度测量结果，为研究细胞异质性提供了前所未有的分辨率。然而，现有的差异丰度（differential abundance, DA）方法仅限于检测平均表达水平的变化，从而使具有生物学意义的分布形状差异无法被识别。事实上，SCP 的独特优势在于能够鉴定群体中单个细胞之间的差异，而这类差异通常表现为分布形状差异，而非平均表达水平的变化。因此，我们提出了 gamdid（用于差异分布分析的广义加性模型，generalized additive models for differential distributions），这是一种面向 SCP 数据差异分布（differential distribution, DD）分析的新型统计框架及 R 软件包。gamdid 基于广义加性模型（generalized additive models, GAMs），可灵活建模异质性分布、进行统计推断并提供具有可解释性的可视化结果。基于两个 SCP 数据集的半合成基准测试表明，gamdid 在错误发现率控制方面表现保守，并且在分布形状差异检测方面显著优于其他竞争方法，同时在均值变化检测方面达到可比性能。进一步的 spike-in 案例研究也展示了 gamdid 及其可解释性可视化的实用价值。在所有 DD 方法中，gamdid 独特地支持两个以上组别的整体检验，并可通过分阶段检验进行事后两两比较，而且其设计专门适配于蛋白质组学丰度数据。
gamdid：用于单细胞实验中差异分布分析的广义加性模型 | bioRxiv
跳转至主要内容 首页 关于 提交 提醒 / RSS 搜索该关键词 高级搜索 新结果
gamdid：用于单细胞实验中差异分布分析的广义加性模型
Lieven Clement， Lucas Beerland， Lennart Martens， Christophe Vanderaa， Stijn Vandenbulcke
doi： https://doi.org/10.64898/2026.06.18.733106
Lieven Clement 根特大学 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC 4.0 国际许可协议 提供。
返回顶部 上一篇 下一篇
发表于 2026 年 6 月 23 日。 下载 PDF 电子邮件
感谢您有兴趣帮助传播 bioRxiv。 您的电子邮件 * 您的姓名 * 发送至 *
请输入多个地址，每行一个，或使用逗号分隔。
您将通过电子邮件发送以下内容
gamdid：用于单细胞实验中差异分布分析的广义加性模型
邮件主题
（您的姓名）已从 bioRxiv 转发一个页面给您
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。
分享
gamdid：用于单细胞实验中差异分布分析的广义加性模型
Lieven Clement， Lucas Beerland， Lennart Martens， Christophe Vanderaa， Stijn Vandenbulcke
bioRxiv 2026.06.18.733106； doi： https://doi.org/10.64898/2026.06.18.733106
分享本文： 复制
引文工具
gamdid：用于单细胞实验中差异分布分析的广义加性模型
Lieven Clement， Lucas Beerland， Lennart Martens， Christophe Vanderaa， Stijn Vandenbulcke
bioRxiv 2026.06.18.733106； doi： https://doi.org/10.64898/2026.06.18.733106
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.18.733106v1?rss=1
🏷️ 单细胞蛋白质组学 差异分布分析 广义可加模型 统计建模 R软件包