推荐:江舜尧
编译:多儿
编辑:马莉
费城儿童医院学者Kai Tan等人于2019年5月7日在《Genome Biology》上发表题目为《SCRABBLE: single-cell RNA-seq imputation constrained by bulk RNA-seq data》的文章。该文章介绍了SCRABBLE算法,该算法以未细分的转录组测序数据(所有的细胞类型没有细分到单个类型)作为约束条件,对单细胞转录组测序数据进行了估算。比起单独使用单细胞数据,这些转录组测序数据使SCRABBLE能够更准确地估计细胞间的基因表达分布。
文章摘要
单细胞转录组测序数据包含很大一部分表达是0或者接近0的基因。这种事件称之为dropout事件,这种事件的发生是多种类型数据分析的一个基础的挑战。这里,此研究发明了SCRABBLE算法来解决这个问题。SCRABBLE利用未细分的数据作为限制条件,减少了估算过程中对基因表达不必要的偏倚。通过模拟数据和几种类型的实验数据,发现SCRABBLE算法在恢复dropout事件,捕获细胞间基因表达的真实分布以及保持数据中基因-基因关系和细胞-细胞关系等方面都优于现有的方法。
文中主要图片说明
图1 | SCRABBLE算法原理图概述。算法主要有三项组成。第一项是原始单细胞转录组测序数据矩阵和优化矩阵之间的差异。第二项是优化矩阵的秩。第三项是单细胞转录组聚合输入数据与未细分的RNA-seq数据之间的差异。
图2 | 使用综合数据进行性能评估。a. 用1000个细胞和800个基因模拟数据的代表性结果。数据的模拟方法是Splatter。Dropout发生率是83%。b.代表性结果的t-SNE图。c. 代表性结果的MA图。d-f. 数据的dropout百分比不同时,不同方法的错误率。
图3 | 使用降采样未细分的转录组测序数据进行性能评估。a. 模拟方法的原理概述。数据矩阵包含三种细胞类型:T1细胞,T2细胞,T3细胞,是分别从不同的细胞类型的原始数据重采样得到的。b. 使用模拟数据得到的有代表性的结果。Dropout事件发生率为72%。c. 代表性结果的t-SNE图。d. 代表性结果的MA图。e-f. 当数据的dropout发生率为60%,72%,77%时的错误率。每个箱线代表100次模拟数据集的结果。
图4 | SCRABBLE估算的基因表达的分布与金标准一致性很好。a. 两个代表性基因在真实的(SCRB-Seq),dropout发生(Drop-Seq)和估算数据中的基因表达分布。b. 真实数据与估算数据(以Drop-Seq作为输入数据)基因表达分布一致性的箱线图。c. 两个代表性基因在单分子RNA荧光原位杂交数据和估算数据中基因表达的分布。d. 单分子RNA荧光原位杂交数据和估算数据基因表达分布一致性的箱线图。
图5 | SCRABBLE能更好保持数据中真实的细胞-细胞和基因-基因关系。a. 使用真实数据,dropout数据和估算数据时代表性的细胞与细胞之间的相关矩阵。b. 基于真实和dropout/估算数据的细胞与细胞之间相关矩阵的皮尔逊相关。c. 使用真实数据,dropout数据和估算数据时代表性的基因与基因之间的相关矩阵。 d. 基于真实和dropout/估算数据的基因与基因之间相关矩阵的皮尔逊相关。
图6 | 使用估算数据,提高了通路基因间的两两表达相关性。通路基因相关评分(PGCS)评估的是与一组随机选择的个数相同的基因相比,通路基因之间表达相关性的增加程度。a. 人类h1胚胎干细胞数据(H1). b 人滋养细胞(TB)样细胞数据。c. 人包皮成纤维细胞 (HFF)。
图7 | SCRABBLE 改善了聚类分析。a. 使用未估算和各种方法估算数据的聚类结果。b. 使用Dunn指数对聚类结果进行量化。
联系客服