我們的團隊開發了一套新的統計學方法來分析單細胞測序數據從而可以準確地將細胞聚類為不同的細胞類、估計各細胞類的比例、及識別患者和健康人群之間比例不同的細胞類。真實數據分析顯示我們的方法在細胞聚類的準確度上比現有的方法高出21%。因此我們能夠在細胞類(如癌細胞)的比例很低的時候就識別它們,從而有助於疾病的早期診斷。此外,我們的方法是第一種能夠識別患者個體在各個細胞類中異常表達基因的方法,因此有助於個體化治療方案的制定。 團隊開發的分析技術大幅提升了對單細胞RNA測序數據進行細胞類聚類的準確度 團隊開發的分析技術不僅能識別不同細胞類之間差異表達的基因,而且可以識別二型糖尿病患者相較於健康人群在各類胰腺細胞中差異表達的基因 特點及優勢: 對檢測稀有的細胞類型具有高精確度高靈敏度地檢測患者和健康人群之間細胞組成比例的變化首次提供識別患者個體在各個細胞類型中異常表達的基因可對數十萬的細胞進行快速計算能整合採自不同實驗室的數據進行分析 美國統計學協會主席Karen Kafadar教授在2019年於丹佛舉行的Joint Statistical Meeting的主席致辭及頒獎典禮上向魏穎穎教授頒發W. J. Youden 跨實驗室檢測獎