- 2 次围观
我们提出了 immgenT-GP，这是一种基因程序框架，用于解析 immgenT 图谱中的小鼠 T 细胞异质性。基于涵盖不同谱系、器官和免疫挑战的约 80 万个 T 细胞，我们定义了 200 个可重复的基因程序。这些基因程序通过经验贝叶斯矩阵分解方法发现，并采用一种新的深度学习方法加以验证，能够捕捉 T 细胞变异的主要轴线，包括谱系身份、活化状态和组织定位。基因程序分析通过将 T 细胞状态分解为分子模块，补充了基于细胞簇的注释，揭示出仅凭离散标签无法呈现的定量化、共享性模块。在不同组织之间，基因程序既反映了组织施加的程序，也反映了细胞簇组成的变化。将基因程序活性与 CITE-seq 数据中的细胞表面标志物表达相整合后，我们发现，标志物可根据谱系和背景的不同而指示不同的基因程序。总体而言，immgenT-GP 将该图谱从 T 细胞状态的地图拓展为支撑这些状态的分子程序参考图谱。
我们提出了 immgenT-GP，一种基因程序框架，用于解析 immgenT 图谱中小鼠 T 细胞的异质性。基于涵盖不同谱系、器官和免疫挑战的约 800,000 个 T 细胞，我们定义了 200 个可重复的基因程序。这些基因程序通过经验贝叶斯矩阵分解方法发现，并通过一种新的深度学习方法进行验证，能够捕捉 T 细胞变异的主要轴向，包括谱系身份、活化状态和组织定位。基因程序分析通过将 T 细胞状态分解为分子模块，补充了基于细胞群的注释，揭示了仅凭离散标签无法体现的、具有定量特征且可共享的模块。在不同组织之间，基因程序既反映了组织施加的程序，也反映了细胞群组成的变化。将基因程序活性与 CITE-seq 数据中的细胞表面标志物表达相整合后发现，标志物所反映的基因程序可能因谱系和具体环境而异。总之，immgenT-GP 将该图谱从 T 细胞状态的地图拓展为一份揭示其背后分子程序的参考资源。
感谢您有兴趣帮助传播 bioRxiv 的相关信息。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.15.751918v1?rss=1
🏷️ 小鼠T细胞 基因程序 单细胞转录组 T细胞异质性 经验贝叶斯矩阵分解 深度学习
来源出处