描述数据集不平衡对单细胞数据集成的影响
Hassaan Maan1,2,3, Lin Zhang4,5, Chengxin Yu6,7
1Peter Munk Cardiac Centre, University Health Network, Toronto, Ontario, Canada. hassaan.maan@mail.utoronto.ca.
Nature biotechnology
|March 1, 2024
概括
单细胞RNA测序整合方法经常忽略样本失衡,影响下游分析. 这项研究表明,失衡显著影响结果,并提出了减轻这些影响的指导方针.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 单细胞RNA测序 (scRNA-seq) 集成方法对于组合数据集至关重要.
- 现有的方法往往无法解释样本间细胞类型的不平衡.
- 这种不平衡可能会扭曲下游分析结果和生物解释.
研究的目的:
- 研究细胞类型和细胞数不平衡对scRNA-seq数据集成的影响.
- 在不同程度的样本不平衡下评估整合技术的稳定性.
- 开发用于表征和减轻scRNA-seq集成失衡影响的策略.
主要方法:
- 开发了Iniquitate管道,以评估在不平衡的情况下的整合稳定性.
- 在2600个实验中对五种最先进的scRNA-seq集成技术进行了基准测试.
- 引入了新的指标:总细胞类型支持和最小细胞类型中心距离.
主要成果:
- 样本失衡显著影响无监督聚类,细胞类型分类和差异表达分析.
- 失衡会影响标记基因注释,查询到引用映射和轨迹推断.
- 使用新型指标量化失衡的影响.
结论:
- 细胞类型失衡是影响scRNA-seq数据整合结果的关键因素.
- 现有的整合方法对样本不平衡很敏感,这会影响生物学解释.
- 引入了平衡的集群指标和准则,以提高集成的准确性和可靠性.
