Enhanced Multiplexed Single-Cell RNA-Sequencing for Accurate Detection of Treatment Effects Without Batch Correction in the Avian Embryonic Model
Notice bibliographique
Résumé
Summary Single-cell RNA sequencing has revolutionized our ability to explore cellular heterogeneity and is a powerful tool to study the impact of environmental perturbations on multiple cell states. However, environmental perturbations can be subtle, and the associated biological effects could be masked by experimental noise and bioinformatic processing, especially when the samples are generated separately. Multiplexing strategies have been developed to label each sample and process them together to reduce experimental noise, but existing multiplexing methods often fall short for non-human and non-mouse models in established single-cell RNA sequencing protocols like the BD Rhapsody technology. To address this gap, we combined Lipid Modified Oligonucleotide (LMO) cell tagging with the BD Rhapsody platform to achieve efficient and scalable multiplexing of early embryonic chick cells under different environmental conditions. This species-agnostic LMO approach overcomes limitations of antibody-based multiplexing methods that are often restricted to human and mouse systems, and the only multiplexing option available with the BD Rhapsody system. In our study, we successfully compartmentalized and multiplexed chick embryonic cells under different treatment conditions, analyzing up to 40,000 viable cells per experiment. This strategy minimized experimental noise, eliminating the need for bioinformatics-based batch correction. As a result, we were able to achieve high-quality transcriptomic profiling with minimal loss of critical biological information and identified subtle biological differences that were masked when using data integration pipelines. Our workflow provides an adaptable, robust solution for LMO-tagged single-cell analyses of complex non-human models with the BD Rhapsody technology and opens new avenues for developmental biology research by accurately capturing treatment-induced effects in embryonic tissues.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».