|
Notas:
|
Curs 2022-2023
La Deconvolució és una eina computacional que permet identificar i quantificar els tipus cel·lulars presents en una matriu d’expressió d'una mostra bulk o mixta.
Actualment, aquesta tècnica es pot dur a terme amb diversos mètodes, però no hi ha moltes eines que et permetin obtenir els resultats de manera fàcil i visual, i que permetin fer una comparació entre els diferents mètodes.
En aquest projecte, hem creat un paquet d'R que permet utilitzar diferents mètodes i matrius de referència per fer la deconvolució, i que retorna els resultats en forma de gràfics fàcilment interpretables.
Utilitzant aquest paquet hem realitzat un estudi comparatiu fent servir dades simulades, per avaluar la precisió dels mètodes amb diferents matrius de referència. Finalment, també hem estudiat en detall les possibles confusions més comunes entre tipus cel·lulars concrets.
Com a resultats d'aquest projecte, obtenim un paquet d’R que permet fer la deconvolució amb els mètodes CIBERSORT, GEDIT, EPIC, FARDEEP i QuanTIseq. A banda de la quantificació dels tipus cel·lulars, el paquet posa el focus en generar gràfics optimitzats per a poder comparar fraccions cel·lulars entre condicions. Per altra banda, els resultats de l’estudi comparatiu mostren que FARDEEP, GEDIT i CIBERSORT son els mètodes amb millors resultats a la deconvolució i que els tipus cel·lulars que s’acostumen a confondre són els macròfags i monòcits i les T CD4 i T CD8.
Com a conclusió podem observar que encara que els mètodes funcionen força bé amb diferents matrius de referència, els resultats estan lluny de ser precisos al 100%, per la qual cosa, és necessari millorar els mètodes i els perfils d'expressió dels tipus cel·lulars de les matrius de referència.Paraules clau: Deconvolució, expressió gènica, tipus cel·lulars, comparativa
Deconvolution is a computational tool that allows you to identify and quantify the cell types present in an expression matrix of a bulk or mixed sample.
Currently, this technique can be carried out with several methods, but there are not many tools that allow you to obtain the results in an easy and visual way, and to make a com-parison between the different methods.
In this project, we have created an R package that allows you to use different methods and reference matrices to perform the deconvolution, and that returns the results in the form of easily interpretable graphs.
Using this package we have performed a comparative study using simulated data, to evaluate the accuracy of the methods with different reference matrices. Finally, we have also studied in detail the most common possible confusions between specific cell types.
As a result of this project, we obtained an R package that allows deconvolution with the CIBERSORT, GEDIT, EPIC, FARDEEP and QuanTIseq methods. Apart from the quan-tification of cell types, the package focuses on generating optimised plots to compare cell fractions between conditions. Moreover, the results of the comparative study show that FARDEEP, GEDIT and CIBERSORT are the methods with the best deconvolution results and that the cell types that tend to be confused are macrophages and monocytes and CD4 and CD8 T cells.
In conclusion, we can see that although the methods work quite well with different refe-rence matrices, the results are far from 100% accurate, so it is necessary to improve the methods and expression profiles of the cell types of the reference matrices. Keywords: Deconvolution, gene expression, cell types, comparative |
