現実世界のシナリオにおける半監視のscRNA-seq統合方法のベンチマーク

科学分野:

• 単細胞ゲノム
• 計算生物学
• バイオ情報学

背景:

• 単細胞RNAシーケンシング (scRNA-seq) の統合は,バッチ効果を修正し,生物学的信号を保存することを目的としています.
• 半監視方法では,統合性能を向上させるため,セルタイプラベルを活用します.
• 以前の研究では 理想的な環境でこれらの方法を評価しましたが 現実のデータの欠陥を反映していません

研究 の 目的:

• 半監視の scRNA-seq 統合方法を体系的に比較する.
• 様々なデータセットと現実的なアノテーションシナリオで,監視されていないベースラインと比較する.
• 半監督アプローチの堅実性と実用性を評価する.

主な方法:

• 5つの半監視方法 (scANVI,scGEN,ssSTACAS,scDREAMER,ItClust) と5つの無監視ベースラインを評価した.
• 6つの異なるscRNA-seqデータセットを使用した.
• 5つの現実的なラベルシナリオで評価された性能:欠落,誤り,境界欠落/混合,バッチ特定,自動生成.
• 9つの確立された統合メトリクスを採用した.

主要な成果:

• 半監視方法では,完全な細胞型アノテーションでのみ改善が示されました.
• 実用的なラベルの不完全な状態で性能が著しく低下した.
• scANVIとssSTACASは,いくつかのシナリオで,無監督方法よりも控えめで安定した改善を示した.
• 半監視方法では,常に最高の無監視ベースライン (scCRAFT) を上回らなかった.

結論:

• 現在の半監視型 scRNA-seq 統合戦略は,理想的でない環境で限られた実用的な利点を提供します.
• 統合方法の選択は,特にラベルの品質が不確実である場合,依然として重要です.
• 現実世界のアプリケーションのための半監視統合方法の堅実性を高めるために,さらなる開発が必要である.