Journal of Health and Biomedical Informatics

fa ارائه یک روش خوشه‌بندی گراف-محور جهت شناسایی جمعیت‌های سلولی در داده‌های توالی‌یابی RNA سلول-منفرد A Graph-Based Clustering Approach to Identify Cell Populations in Single-Cell RNA Sequencing Data بیوانفورماتیک Bioinformatics پژوهشي اصیل Original Article <div style="text-align: justify;">مقدمه: استفاده از فناوری «توالی یابی RNA سلول-منفرد» باعث شناخت بهتر ساختارهای سلولی شده و داده‌های با وضوح بسیار بالایی از بیان ژن‌های مختلف هر سلول را در یک زمان واحد ارائه می‌دهد. یکی از زمینه های پرکاربرد در این حوزه، خوشهبندی داده ها بر اساس ژن‌های بیان شده است که بعضاً منتج به شناسایی جمعیت های سلولی جدید میگردد. عملکرد روش های پیشنهادی عمدتاً به شکل جمعیت ها و ابعاد داده ها بستگی دارد؛ لذا توسعه یک روش که بتواند فارغ از این موانع به شناسایی جمعیت های سلولی بپردازد، بسیار مهم است. روش: در روش پیشنهادی که یک روش کتابخانه ای بود، ابتدا تعداد جمعیت‌های سلولی تخمین زده شد. این تخمین از آن جهت اهمیت دارد که در دنیای واقعی، اطلاعات اولیه مثل تعداد و نوع جمعیت‌های سلولی در دسترس نیست. سپس با استفاده از یک کرنل گاوسی مبتنی بر گراف، ضمن کاهش ابعاد مسئله، اقدام به شناسایی جمعیت‌های سلولی با روش خوشه‌بندی kmeans++ شد. نتایج: نتایج پیاده‌سازی نشان داد که روش پیشنهادی می‌تواند نسبت به سایر روش‌های یادگیری ماشین ارائه شده در این زمینه، بهبود قابل قبولی را حاصل کند. به عنوان مثال برای معیار ARI، مقادیر 100، 93/47 و 84/69 به ترتیب برای مجموعه داده‌های سلول-منفرد Kolod، Buettner و Usoskin حاصل شد. نتیجه گیری: روش پیشنهادی بدون هیچ اطلاعات اولیه در مورد تعداد و نوع جمعیت‌های سلولی و فارغ از ابعاد بالای مسئله، میتواند اقدام به خوشه‌بندی و در نتیجه شناسایی جمعیت‌های سلولی با دقت و کیفیت بالایی نماید.</div> <div style="text-align: justify;">Introduction: The emergence of single-cell RNA-sequencing (scRNA-seq) technology has provided new information about the structure of cells, and provided data with very high resolution of the expression of different genes for each cell at a single time. One of the main uses of scRNA-seq is data clustering based on expressed genes, which sometimes leads to the detection of rare cell populations. However, the results of the proposed methods mainly depend on the shape of the cell populations and the dimensions of the data. Therefore, it is very important to develop a method that can identify cell populations regardless of these obstacles. Method: In the proposed method, which was a library method, at first, the number of clusters (cell populations) was estimated. Estimating the number of clusters is important because in the real world, basic information such as the number and type of cell populations is not available. Thereafter, using a graph-based Gaussian kernel, while reducing the dimensions of the problem, the cell populations were identified by means of the kmeans++ clustering. Results: The results of the implementation showed that the proposed method can achieve an acceptable improvement compared to other machine learning methods presented in this regard. For example, for the ARI criterion, values of 100, 93.47 and 84.69 were obtained for Kolod, Buettner, and Usoskin single-cell data sets, respectively. Conclusion: The proposed method can cluster and thus identify cell populations with high accuracy and quality without having any basic information about the number and type of cell populations, regardless of the high dimensions of the problem.</div> توالی‌یابی RNA سلول-منفرد, خوشه‌بندی, شناسایی جمعیت‌های سلولی, کرنل گاوسی مبتنی بر گراف Single-cell RNA-sequencing, Clustering, Identification of Cell Populations, Graph-based Gaussian Kernel 60 72 http://jhbmi.ir/browse.php?a_code=A-10-581-1&slc_lang=fa&sid=1 Amin Einipour امین عینی پور a.einipour@gmail.com 10031947532846005463 10031947532846005463 No Ph.D. Student in Computer Engineering, Computer Engineering Dept., Faculty of Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران Mohammad Mosleh محمد مصلح mosleh@iaud.ac.ir 10031947532846005464 10031947532846005464 Yes Ph.D. in Computer Engineering, Assistant Professor, Computer Engineering Dept., Faculty of Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran گروه مهندسی کامپیوتر،واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران Karim Ansari-Asl کریم انصاری اصل karimansari@scu.ac.ir 10031947532846005465 10031947532846005465 No Ph.D. in Biomedical Engineering, Associate Professor, Electrical Engineering Dept., Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران