AS
Arash Shahsavari
Author with expertise in Comprehensive Integration of Single-Cell Transcriptomic Data
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
4
(100% Open Access)
Cited by:
10
h-index:
3
/
i10-index:
2
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
13

ClustAssess: tools for assessing the robustness of single-cell clustering

Arash Shahsavari et al.Feb 2, 2022
Abstract The transition from bulk to single-cell analyses refocused the computational challenges for high-throughput sequencing data-processing. The core of single-cell pipelines is partitioning cells and assigning cell-identities; extensive consequences derive from this step; generating robust and reproducible outputs is essential. From benchmarking established single-cell pipelines, we observed that clustering results critically depend on algorithmic choices (e.g. method, parameters) and technical details (e.g. random seeds). We present ClustAssess , a suite of tools for quantifying clustering robustness both within and across methods. The tools provide fine-grained information enabling (a) the detection of optimal number of clusters, (b) identification of regions of similarity (and divergence) across methods, (c) a data driven assessment of optimal parameter ranges. The aim is to assist practitioners in evaluating the robustness of cell-identity inference based on the partitioning, and provide information for choosing robust clustering methods and parameters. We illustrate its use on three case studies: a single-cell dataset of in-vivo hematopoietic stem and progenitors (10x Genomics scRNA-seq), in-vitro endoderm differentiation (SMART-seq), and multimodal in-vivo peripheral blood (10x RNA+ATAC). The additional checks offer novel viewpoints on clustering stability, and provide a framework for consistent decision-making on preprocessing, method choice, and parameters for clustering.
15

The sum of two halves may be different from the whole. Effects of splitting sequencing samples across lanes

Eleanor Williams et al.May 11, 2021
Abstract The advances in high throughput sequencing (HTS) enabled the characterisation of biological processes at an unprecedented level of detail; the majority of hypotheses in molecular biology rely on analyses of HTS data. However, achieving increased robustness and reproducibility of results remains one of the main challenges. Although variability in results may be introduced at various stages, e.g. alignment, summarisation or detection of differences in expression, one source of variability was systematically omitted: the sequencing design which propagates through analyses and may introduce an additional layer of technical variation. We illustrate qualitative and quantitative differences arising from splitting samples across lanes, on bulk and single-cell sequencing. For bulk mRNAseq data, we focus on differential expression and enrichment analyses; for bulk ChIPseq data, we investigate the effect on peak calling, and peaks’ properties. At single-cell level, we concentrate on identifying cell subpopulations. We rely on markers used for assigning cell identities; both smartSeq and 10x data are presented. The observed reduction in the number of unique sequenced fragments reduces the level of detail on which the different prediction approaches depend. Further, the sequencing stochasticity adds in a weighting bias corroborated with variable sequencing depths and (yet unexplained) sequencing bias.
15
Citation1
0
Save
0

Novel 3D Approach to Model Non-Alcoholic Fatty Liver Disease using human Pluripotent Stem Cells

Carola Morell et al.Feb 8, 2024
ABSTRACT Background and aims Non-alcoholic fatty liver disease (NAFLD) is a major health care challenge and new therapies are urgently needed. However, the mechanisms underlying disease remain to be understood. Indeed, studying NAFLD remains challenging due to the lack of model systems recapitulating the different aspects of the human pathology. Human induced pluripotent stem cells (hiPSCs) offer a unique opportunity to address this limitation since they can be differentiated into large quantity of liver cells. Here, we took advantage of hiPSCs to develop a multi-cellular platform mimicking the complex interplays involved in NAFLD progression. Methods hiPSCs-derived hepatocyte like cells (HLCs), cholangiocytes, stellate cells, and macrophages were co-cultured in a collagen-based 3D system to reproduce the liver microenvironment. Fatty acid treatments led to a NAFLD phenotype involving cell-cell interactions which were investigated by transcriptomic and functional analyses. Results Hepatic cells were grown up to 4weeks in 3D, retaining key functions and markers. Importantly, co-cultured cells spontaneously reorganised into physiologically relevant connections: HLCs arranged around biliary structures, which established contacts with stellate cells, while macrophages organised around HLCs. Fatty acid treatments induced steatosis and lipotoxicity in HLCs. Furthermore, fat-laden HLCs prompted a non-parenchymal cells response altering tissue architecture. Conclusions Our multicellular platform provides a new approach to model interactions between human hepatic cells during NAFLD progression. Such approach has the potential to investigate the sequential events driving chronic liver diseases, including hepatocellular injury, inflammation and fibrosis. Furthermore, our system provides a unique and urgently needed tool to investigate the molecular mechanisms associated with NAFLD and ultimately to validate new targets for therapeutics development. List of abbreviations COs, cholangiocytes organoids; FFA, free fatty acids; hiPSCs, human induced pluripotent stem cells; HLCs, hepatocyte like cells; HSCs, hepatic stellate cells; M0, hiPSCs-derived macrophages; NAFLD, non-alcoholic fatty liver disease; NPCs, non-parenchymal cells; OA, oleic acid; PA, palmitic acid.