Diese Forschung untersucht, wie sich Normalisierungsmethoden auf die räumliche Bereichsidentifizierung in räumlichen Transkriptomikdaten auswirken. Sie stellt die direkte Übernahme von Einzelzell-RNA-Sequenzierungs-Tools (scRNA-seq) in Frage und zeigt, dass die Bibliotheksgröße mit der Gewebestruktur zusammenhängt. Das Herausnormalisieren dieser Effekte kann die räumliche Bereichsidentifizierung negativ beeinflussen, was zur Vorsicht bei der Übernahme von scRNA-seq-Algorithmen für räumliche Daten mahnt. Durch die Analyse räumlicher molekularer Daten zeigt die Studie, dass die Bibliotheksgröße mit der Gewebestruktur korreliert. Die Anwendung von scRNA-seq-Normalisierungsmethoden, die darauf abzielen, Bibliotheksgrößeneffekte zu entfernen, kann die räumlichen Informationen verzerren und zu einer ungenauen Identifizierung räumlicher Bereiche führen. Die Ergebnisse legen nahe, dass räumliche Daten vor der Analyse nicht speziell auf die Bibliotheksgröße korrigiert werden sollten und dass für scRNA-seq-Daten entwickelte Algorithmen mit Vorsicht angewendet werden sollten. Diese Studie unterstreicht die Bedeutung geeigneter Normalisierungstechniken für die räumliche Transkriptomikdatenanalyse.
Diese Studie zur räumlichen Transkriptomikdatenanalyse eignet sich gut für Genome Biology, da sie sich auf Genetik und Genomik konzentriert. Die Forschung liefert wichtige Einblicke in Datennormalisierungstechniken und trägt zu genaueren und zuverlässigeren Analysen in diesem Bereich bei.