UMAP在单细胞测序数据分析中到底有哪些具体应用场景呢?
UMAP能够将高维的单细胞测序数据投影到低维空间,在这个低维空间里细胞间的距离能较好地保留高维空间中的相似性。这样研究人员就可以更清晰地观察到细胞的分布模式,进而识别出不同类型的细胞群体。例如在肿瘤单细胞测序中,可以区分出肿瘤细胞、免疫细胞、基质细胞等不同细胞亚群。
单细胞测序可以记录细胞在不同发育阶段或状态下的基因表达信息。UMAP可以帮助把这些细胞按照其发育轨迹在低维空间中排列出来,从而推断细胞的分化路径和发育过程。比如研究胚胎发育过程中细胞如何从干细胞逐步分化为各种组织细胞。
通过UMAP将单细胞测序得到的基因表达数据进行可视化展示。研究人员可以直观地看到不同基因在各个细胞群体中的表达情况,发现特定基因的表达模式与细胞类型或状态之间的关系。例如某些基因在特定肿瘤细胞亚群中高表达,可能暗示该基因与肿瘤的发生发展相关。
对于多个样本的单细胞测序数据,UMAP可以将不同样本的细胞整合到同一低维空间中,比较不同样本之间细胞类型的组成差异和细胞状态的变化。比如对比健康组织和病变组织中的细胞差异,有助于揭示疾病发生发展的机制。