Suite d'Analyse Single-Cell RNA-seq

Construction d'un pipeline d'analyse single-cell RNA-seq avancé avec apprentissage automatique pour l'identification de types cellulaires et l'analyse de trajectoires pour la recherche sur le cancer.

Génomique unicellulaire, Apprentissage automatique, Vue.js

Le Défi

Le Laboratoire de Dynamique Cellulaire traitait manuellement de grands ensembles de données single-cell RNA-seq en utilisant divers outils déconnectés, résultant en des résultats incohérents et des cycles d'analyse prolongés. Ils avaient besoin d'une plateforme unifiée pour leur initiative de recherche sur le cancer.

Notre Solution

Notre solution a utilisé Vue.js pour une interface utilisateur réactive, intégrée avec des moteurs d'analyse basés sur Python utilisant Scanpy et Seurat. Nous avons implémenté des algorithmes d'apprentissage automatique avec scikit-learn et TensorFlow pour la classification cellulaire avancée et l'analyse de trajectoires, le tout déployé dans des conteneurs Docker.

Technologies Utilisées

Vue.js

Python

Scanpy

Seurat

scikit-learn

TensorFlow

MongoDB

Docker

Résultats et Impact

Le laboratoire a atteint une amélioration de 400% de la vitesse de traitement et a identifié de nouvelles sous-populations cellulaires précédemment négligées. Le pipeline standardisé a conduit à des résultats reproductibles à travers différents projets de recherche.

Témoignage Client

“La suite scRNA-seq a transformé notre compréhension de l'hétérogénéité cellulaire dans les tumeurs. Les pipelines d'apprentissage automatique automatisés ont révélé des insights qui auraient été impossibles avec des méthodes manuelles.”

LdDC

Laboratoire de Dynamique Cellulaire

Équipe de Recherche