可复现的scCODE独家算法，助力发表单细胞高分文章！

2022年5月23日，Briefings in Bioinformatics（计算生物学一区，IF=11.6）上发表了题为：”scCODE: an R package for data-specific differentially expressed gene detection on single-cell RNA-sequencing data”的研究论文。该研究评估40余种DE分析策略，基于自主研发的，无需先验信息的两个新的评估参数，开发了scRNA-seq数据个性化最优DE基因筛选系统平台——scCODE

图1：Evaluation of DE gene detection performance and schematic of scCODE.

在以往的研究中，过滤低表达的基因被认为有助于DE分析，但其真正影响尚未得知，基因过滤也无统一标准。本研究第一部分从FPR、TPR和AUROC等评估标准分析了不同基因过滤方法对DE结果的影响。结果发现，恰当的基因过滤和DE方法的组合可以得到更好的DE结果，而不恰当的组合却会起到相反的效果。当DE分析策略所推测的DE基因表达分布与实际的基因表达分布更接近时，才能得到更准确的DE基因结果（图2）。

图2：Investigation of DE gene distribution detected by different combinations of methods, based on simulated-EMTAB8077_heart_kidney.

更多关于scCODE算法的详细介绍

我们特邀通讯作者邹欣副研究员来到我们直播间，

为大家分享更多该算法的相关知识和研发故事！

那么这么好的算法，

如何应用到自己的文章中呢？

肿瘤疾病中如何迁移复制scCODE算法，

发不一样的高分单细胞文章？

本次直播我们的生信技术官

橘子老师也会为大家详细剖析解读！

11月1日（周二）18:00-19:30

相约腾讯会议直播讲座

带你走进单细胞的新世界！

邹欣，英国伯明翰大学统计信号处理博士，复旦大学附属金山医院生物信息平台负责人，副研究员，上海市浦江人才。在英国伯明翰大学全额奖学金的资助下攻读统计信号处理博士学位，主要从事语音信号中噪声处理工作。在英国博士后工作期间研究方向转为生物信息学，包括转录组学，基因组学，蛋白质组学和代谢组学。2015年入职上海交通大学，利用机器学习，生物信息学，化学计量学，多变量统计分析等技术手段，从事高通量组学数据处理生物信息新算法研发，开发的单细胞转录组，代谢组数据分析新算法得到广泛关注。同时使用代谢组学，转录组学，脂质组学等技术研究从事免疫监控，肿瘤免疫逃逸等方面的研究。2016年入选上海市浦江人才计划。文章发表在Nature Communications, Briefings in Bioinformatics, Bioinformatics, Analytical Chemistry等国际权威期刊上。第一作者发表使用单细胞技术的新冠研究论文他引超过1200次，教育部高被引论文。