Het veld van genexpressie-analyse met een enkele cel (scRNA-seq) kent een ongekende hausse
in populariteit. Het stelt onderzoekers in staat om genen in individuele cellen te bestuderen met een ongekende resolutie
en zal hun visie op complexe biologische processen, weefsels en ziekten revolutionair veranderen. De huidige
technologie, bijvoorbeeld, kan de expressie van duizenden genen in wel tien duizend profileren
cellen van een monster. Dit kan wetenschappers een vogelvluchtperspectief geven over de genexpressieprofielen van iedereen
verschillende celtypen in een steekproef en het heeft de belofte om elk van hun dirigentgen of -gen te ontrafelen
handtekeningen, b.v. voor de verschillende celtypen van witte, rode en bloedplaatjes in een bloedmonster. Meer
belangrijker, het kan ook vaststellen hoe deze handtekeningen verschillen tussen gezond en ziek
onderwerpen; en hoe elk celtype reageert op een behandeling. De ontdekking van gen-handtekeningen en
hun verschillen bij stimulatie worden echter momenteel gehinderd door het gebrek aan hulpmiddelen voor gegevensanalyse
dat 1) veel genen kan verwerken die vermist worden omdat protocollen beginnen met de kleine hoeveelheid
invoermateriaal van een enkele cel, 2) schaal tot de enorme datavolumes in scRNA-seq experimenten, en 3)
Houd rekening met sterke correlaties omdat meerdere cellen binnen een onderwerp meestal expressieprofielen hebben
die meer op elkaar lijken dan die van verschillende onderwerpen. Binnen dit project zullen we daarom ontwikkelen
nieuwe statistische hulpmiddelen die elk van deze uitdagingen overwinnen, waardoor scRNA-seq enorm wordt bevorderd
data-analyse.