伪时间分析是一种用于研究细胞在分化或响应特定刺激过程中的动态变化的方法。这种技术在生物信息学中尤其常用于处理单细胞 RNA 测序数据，以理解细胞状态在不同时间点如何演变。结合 MATLAB 进行这种分析可以帮助检测和分析不同条件下的选择性扰动效应，如药物处理或基因编辑。

Many perturbations only affect a subset of the cells | ViaDean

参考文献

🗯️MATLAB片段

下面是一个在 MATLAB 中进行伪时间分析的概述和步骤：

1. 数据预处理

• 加载数据：导入单细胞 RNA 测序数据，如 count matrix 或表达矩阵。
• 质量控制：筛选出低质量的细胞和基因，例如过滤掉特定表达水平以下的细胞。
• 归一化：对数据进行标准化以减少批次效应或其他技术性偏差。

2. 降维

• PCA (主成分分析)：使用 pca 函数对数据进行初步降维，提取主要成分。
• t-SNE 或 UMAP：进一步降维以便可视化高维数据。MATLAB 支持 tsne 和外部工具的 UMAP 实现。

3. 伪时间推断

• 构建轨迹：使用主成分或其他降维技术得到的结果来构建细胞轨迹。可以使用 graph 或其他图论方法来连接细胞并确定伪时间路径。
• 拟合伪时间路径：采用最短路径算法或其他路径算法来推断每个细胞的伪时间值。

4. 扰动分析

• 比较不同条件：通过将伪时间路径应用于不同处理组（如控制组与处理组）来检测扰动效应。
• 统计测试：进行统计分析以量化不同条件下的基因表达差异，如 t 检验或 ANOVA。
• 可视化：使用 plot、scatter 和其他绘图函数来展示扰动效应在伪时间上的表现。

5. MATLAB 代码示例

以下是一个简单的 MATLAB 伪代码示例，展示如何进行伪时间分析：