هایدن (HiDDEN) یک روش محاسباتی پیشرفته است که برای حل محدودیت‌های اساسی در مطالعات RNA تک‌سلولی مورد-شاهدی طراحی شده است. این روش با بهبود برچسب‌گذاری در سطح سلولی، قادر به شناسایی دقیق سلول‌های واقعاً تحت تأثیر در نمونه‌های مورد است.
این روش نوآورانه به چالش‌های اساسی در تحلیل تک‌سلولی می‌پردازد که در آن روش‌های استاندارد اغلب در جداسازی سلول‌های تحت تأثیر و نشانگرهای آنها ناموفق هستند، به‌ویژه زمانی که زیرمجموعه تحت تأثیر کوچک یا اثر اختلال جزئی است. از طریق اعتبارسنجی سیستماتیک با استفاده از مجموعه داده‌های شبیه‌سازی شده، هایدن عملکرد برتری در تشخیص سیگنال‌های زیستی نشان می‌دهد.
کاربرد عملی هایدن از طریق دو مورد مهم تأیید شده است. در شرایط پیش‌درآمد میلوم متعدد انسانی، این روش موفق به تکرار یادداشت‌های دستی متخصصان شد و بدخیمی قبلاً تشخیص داده نشده را در نمونه‌های مرحله اولیه آشکار کرد. در یک مدل موشی دمیلیناسیون، این روش یک زیرجمعیت اندوتلیال خاص را که در اختلال اولیه سد خونی-مغزی دخیل است، شناسایی کرد.
توسعه هایدن چندین محدودیت استراتژی‌های محاسباتی موجود را برطرف می‌کند و برخلاف سایر روش‌ها مانند CNA، MELD، Milo و Mixscape، به فرضیات درباره دقت برچسب‌ها یا تغییرات شناخته شده متکی نیست.
اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: nature
