SLICE：Determining Cell Differentiation and Lineage based on Single Cell Entropy
阐明单细胞的谱系和分子状态对于理解肺等复杂器官的形成和功能具有重要意义。我们开发了一种新的算法:SLICE，利用单细胞RNA-seq (scRNA-seq)来定量测量基于单细胞熵的细胞分化状态，并通过构建熵定向细胞轨迹来预测细胞分化谱系。我们使用四个独立的scRNA-seq数据集验证了我们的方法。SLICE成功地重建了熵向细胞分化的轨迹.此外，我们将切片应用于胚胎小鼠肺的scna -seq ，以确定目前尚不明确的肺间充质细胞谱系关系。用SLICE法鉴定了由5个肺成纤维细胞亚型组成的双支化过渡轨迹。
SLICE(Single Cell Lineage Inference Using Cell Expression Similarity and Entropy)算法包括两个主要步骤:(1)测量细胞分化状态基于单细胞熵的计算(scEntropy)和(2)预测细胞分化轨迹下令根据scEntropy-derived单个细胞分化状态。
SLICE假设熵与细胞分化状态呈负相关:高熵与更高的功能不确定性和更大的潜能(细胞干性)相关，而低熵则与分化状态相关，分化状态具有明确的细胞命运和更齐次的功能。因此，scEntropy通过测量细胞功能激活的不确定性来量化给定细胞的分化状态。
SLICE利用scEntropy测量的单个细胞的分化状态，识别相对稳定的细胞状态，定义为局部最小熵的细胞中心体，然后预测稳定细胞状态熵降低后的过渡路径，重建细胞谱系。
slice
SLICE: determining cell differentiation and lineage based on single cell entropy
