論文の概要: Hierarchical Bayesian Model for Gene Deconvolution and Functional Analysis in Human Endometrium Across the Menstrual Cycle

• arxiv url: http://arxiv.org/abs/2510.27097v1
• Date: Fri, 31 Oct 2025 01:48:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:15.951316
• Title: Hierarchical Bayesian Model for Gene Deconvolution and Functional Analysis in Human Endometrium Across the Menstrual Cycle
• Title（参考訳）: 月経周期にわたるヒト子宮内膜における遺伝子脱畳と機能解析のための階層的ベイズモデル
• Authors: Crystal Su, Kuai Yu, Mingyuan Shao, Daniel Bauer,
• Abstract要約: 本稿では,RNA配列データを構成細胞型表現プロファイルと比率に分解する確率的階層型ベイズモデルを提案する。 我々は月経周期にわたってヒト子宮内膜組織にモデルを適用した。
• 参考スコア（独自算出の注目度）: 1.1452063471480782
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bulk tissue RNA sequencing of heterogeneous samples provides averaged gene expression profiles, obscuring cell type-specific dynamics. To address this, we present a probabilistic hierarchical Bayesian model that deconvolves bulk RNA-seq data into constituent cell-type expression profiles and proportions, leveraging a high-resolution single-cell reference. We apply our model to human endometrial tissue across the menstrual cycle, a context characterized by dramatic hormone-driven cellular composition changes. Our extended framework provides a principled inference of cell type proportions and cell-specific gene expression changes across cycle phases. We demonstrate the model's structure, priors, and inference strategy in detail, and we validate its performance with simulations and comparisons to existing methods. The results reveal dynamic shifts in epithelial, stromal, and immune cell fractions between menstrual phases, and identify cell-type-specific differential gene expression associated with endometrial function (e.g., decidualization markers in stromal cells during the secretory phase). We further conduct robustness tests and show that our Bayesian approach is resilient to reference mismatches and noise. Finally, we discuss the biological significance of our findings, potential clinical implications for fertility and endometrial disorders, and future directions, including integration of spatial transcriptomics.
• Abstract（参考訳）: 異種サンプルのバルク組織RNAシークエンシングは、平均的な遺伝子発現プロファイル、細胞型特異的なダイナミクスを提供する。 そこで本研究では,高分解能単一セル参照を利用してRNA-seqデータを構成細胞型表現プロファイルと比率に分解する確率的階層型ベイズモデルを提案する。 月経周期にわたってヒト子宮内膜組織に本モデルを適用し, 劇的なホルモンによる細胞組成変化を特徴とする文脈について検討した。 我々の拡張フレームワークは、サイクルフェーズ間での細胞タイプ比と細胞特異的遺伝子発現の変化を原則的に推測する。 我々は,モデルの構造,事前,推論戦略を詳細に示すとともに,シミュレーションと既存手法との比較により,その性能を検証した。 その結果, 月経期における上皮, 間質, 免疫細胞分画の動的変化が明らかとなり, 子宮内膜機能に関連する細胞型特異的な遺伝子発現(分泌期における間質細胞の脱落マーカーなど)が同定された。 我々はさらにロバストネステストを行い、ベイズ的アプローチがミスマッチやノイズの参照に回復力があることを示します。 最後に, この知見の生物学的意義, 妊娠, 子宮内膜疾患の臨床的意義, および空間転写学の統合を含む今後の方向性について考察した。

関連論文リスト

• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• HistoSmith: Single-Stage Histology Image-Label Generation via Conditional Latent Diffusion for Enhanced Cell Segmentation and Classification [0.19791587637442667]
  本研究は, 画像ラベルペア生成のための新しい単一ステージアプローチを導入し, 組織学データセットを増強する。 ラベル生成と画像生成を分離した拡散モデルを用いる最先端の手法とは異なり,本手法では遅延拡散モデルを用いる。 このモデルは、細胞タイプ、量、組織タイプなどのユーザ定義パラメータを条件付けすることで、データ生成の調整を可能にする。
  論文  参考訳（メタデータ） (2025-02-12T19:51:41Z)
• Multimodal Analysis of White Blood Cell Differentiation in Acute Myeloid Leukemia Patients using a β-Variational Autoencoder [38.13262557169157]
  形態学的および転写学的データを探索・再構成する教師なし手法を提案する。 本手法は,カスタマイズされた損失関数を持つβ変分オートエンコーダ(ss-VAE)に基づく。 バイオメディシンと診断のための白血球成熟の理解を改善するためのユニークなツールを提供する。
  論文  参考訳（メタデータ） (2024-08-13T08:24:52Z)
• Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen [76.02070962797794]
  本研究では、単一セルデータ固有の離散性を保存するフローベースの条件生成モデルであるCellFlow for Generation (CFGen)を紹介する。 CFGenは、全ゲノムマルチモーダル単一セルデータを確実に生成し、重要な生物学的データ特性の回復を改善する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
  本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。 本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
  論文  参考訳（メタデータ） (2023-10-10T14:37:17Z)
• Granger causal inference on DAGs identifies genomic loci regulating transcription [77.58911272503771]
  GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。 我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
  論文  参考訳（メタデータ） (2022-10-18T21:15:10Z)
• Topological Data Analysis in Time Series: Temporal Filtration and Application to Single-Cell Genomics [13.173307471333619]
  単細胞トポロジカル単純解析(scTSA)を提案する。 このアプローチを細胞の局所ネットワークから単細胞遺伝子発現プロファイルに適用すると、これまで見つからなかった細胞生態のトポロジーが明らかになる。 38,731細胞,25細胞タイプ,12時間ステップにまたがるゼブラフィッシュ胚発生の単一細胞RNA-seqデータに基づいて,本研究は胃粘膜を最も重要な段階として強調する。
  論文  参考訳（メタデータ） (2022-04-29T12:46:14Z)
• Interpretable Single-Cell Set Classification with Kernel Mean Embeddings [14.686560033030101]
  Kernel Mean Embeddingは、各プロファイルされた生物学的サンプルの細胞景観をエンコードする。 簡単な線形分類器を訓練し、3つのフローおよび質量データセットの最先端の分類精度を実現する。
  論文  参考訳（メタデータ） (2022-01-18T21:40:36Z)
• Distinguishing Cell Phenotype Using Cell Epigenotype [0.0]
  顕微鏡観察とマクロな振る舞いの関係は、生体物理学システムにおける根本的なオープンな問題である。 既存の手法とは対照的に,ヒトの組織多様性と利用可能なデータの制限を考慮に入れた場合でも,マクロ分子データから細胞型を予測する統一的なアプローチを開発する。
  論文  参考訳（メタデータ） (2020-03-20T18:00:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。