生物資訊學
單細胞譜系追蹤技術正在為研究癌症、發育及其他背景下細胞群體的演化與分化提供全新而強有力的方法。任何此類分析的一個關鍵初始步驟，都是基於克隆層面的標記將細胞分組為克隆群體。不幸的是，克隆判定容易受到技術因素的影響，包括測序錯誤、缺失數據、多重體、背景噪聲，以及無關克隆之間克隆條形碼的意外共享（同形性）。我們提出了 NovaClone，這是一種用於層次化克隆判定的原理嚴謹的算法，廣泛適用於當前所有譜系追蹤技術，包括靜態條形碼技術以及較新的演化型追蹤器。
我們在模擬數據和真實數據上對 NovaClone 進行了基準測試，結果表明其在質量和速度方面均優於現有解決方案，從而有助於緩解單細胞譜系追蹤中最普遍的問題之一。作為 NovaClone 的補充，我們引入了一套與算法無關的質量控制指標，用於在缺乏真實標籤時評估克隆判定結果。NovaClone 及其相關質量控制工具已通過開源 Python 軟件包 nova-clone 提供。
感謝您有興趣幫助傳播 bioRxiv。
注意：請求您的電子電郵地址僅用於將您識別為本文的發送者。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.11.724244v1?rss=1
🏷️ 單細胞譜系追蹤 克隆判定 條形碼整合 基因分型算法 網絡分析 質量控制