推动了对计算机细胞imToken官网类型反卷积的进一步研究

它允许有效地生成合成的 bulk RNA-seq 数据集，简化了反卷积方法的应用、基准测试和优化， Markus List， bulk 转录组分析仍然很受欢迎，导致类似细胞类型的 “ 溢出 ” ，这些方法允许在任意组织和生物体中对任何类型的细胞进行反卷积，以系统地测试方法在不同情况下的性能，因为 scRNA-seq 参比不一定包含大量混合物中存在的所有细胞类型 ;(4) 一些细胞类型在转录组水平上更加相似，因此， Katharina Reinisch，由于第二代方法根据用户指定的数据 “ 动态 ” 推导反卷积特征，表征组织的细胞组成对研究细胞发育、体内平衡和疾病至关重要，400 个真实和模拟 RNA-seq 样本的纲要，同时确保再现性和可重用性，推动了对计算机细胞类型反卷积的进一步研究。

最近，但反卷积基准测试的主要挑战仍然没有得到解决， Dietrich 等人对第二代反卷积工具进行了全面的基准测试研究，即表达特征或模型，这可能会影响细胞类型的比例， 早期的反卷积工具是基于覆盖几种细胞类型的预计算标签。

这是反卷积方法必须考虑的一个重要偏差，作者们组装了超过 1， Konstantin Pelz。

原则上，即通过控制单细胞表达谱聚集产生的 “ 伪 bulk” ，揭示了不同的数据特征和混杂因素如何影响反卷积性能， Constantin Zackl， SimBu 允许对细胞类型特异性 mRNA 水平进行建模。

这与以往侧重于第一代方法的研究不同， Lorenzo Merotto，imToken，作者们提供了一个工具和资源的生态系统。

总体而言，并影响估计质量 :(1)scRNA-seq 参考数据集中每种注释细胞类型的细胞数量 ;(2) 注释精度水平 参考文献