The development of single-cell transcriptomics is key to reveal cellular heterogeneity. This technology empowers sequencing of ten thousands of cells and machine learning algorithms allow dissecting such big data. This thesis presents a new test metric for assessing batch effects and benchmarks batch effect correction in scRNA-seq data. Furthermore, it determines cell fate lineage choice in the small intestinal epithelium of adult mice.
Translated abstract:
Die Entwicklung der Single-Cell-Transkriptomik ist der Schlüssel zur Aufdeckung der zellulären Heterogenität. Diese Technologie ermöglicht die Sequenzierung von Zehntausenden von Zellen und maschinelle Lernalgorithmen ermöglichen die Sezierung so großer Datenmengen. Diese Arbeit stellt eine neue Testmetrik zur Beurteilung von Batch-Effekten und Benchmarks für die Batch-Effekt-Korrektur in scRNA-Seq-Daten vor. Darüber hinaus bestimmt es die Wahl der Zellschicksale im Dünndarmepithel erwachsener Mäuse.
«
Die Entwicklung der Single-Cell-Transkriptomik ist der Schlüssel zur Aufdeckung der zellulären Heterogenität. Diese Technologie ermöglicht die Sequenzierung von Zehntausenden von Zellen und maschinelle Lernalgorithmen ermöglichen die Sezierung so großer Datenmengen. Diese Arbeit stellt eine neue Testmetrik zur Beurteilung von Batch-Effekten und Benchmarks für die Batch-Effekt-Korrektur in scRNA-Seq-Daten vor. Darüber hinaus bestimmt es die Wahl der Zellschicksale im Dünndarmepithel erwachsener M...
»