A test metric for assessing single-cell RNA-seq batch correction.

Künstliche Intelligenz gegen den Fehlerteufel

Using artificial intelligence for error correction in single cell analyses

Die grafische Darstellung korrigierter und unkorrigierter Daten sagt wenig über die Stärke eines Batch-Effekts in Einzelzell-RNA-seq Daten aus.

Moderne technische Möglichkeiten erlauben es, einzelne Zellen zu sequenzieren und jeweils individuell herauszufinden, welche Gene gerade abgelesen werden. Diese Methoden sind sehr fein, dadurch aber auch sehr fehleranfällig: Geräte, Umwelt aber auch die Biologie selbst können für Ausfälle und Unterschiede zwischen den Messungen verantwortlich sein. Forscher des Helmholtz Zentrums München haben gemeinsam mit Kollegen der Technischen Universität München (TUM) und des englischen Wellcome Sanger Institute nun Algorithmen entwickelt, die diese Fehlerquellen berechen- und korrigierbar machen. Die Ergebnisse sind in ‚Nature Methods‘ und ‚Nature Communications‘ erschienen.