分分池 基于结合的单细胞转录基因组测序 (SPLiT-seq) 数据处理管道比较
Lucas Kuijpers1, Bastian Hornung2, Mirjam C G N van den Hout-van Vroonhoven2
1Department of Cell Biology, Erasmus University Medical Center Rotterdam (Erasmus MC), Wytemaweg 80, Rotterdam, 3015CN, The Netherlands. l.kuijpers@erasmusmc.nl.
BMC genomics
|April 12, 2024
概括
我们比较了八个生物信息管道,用于处理SPLiT-seq (基于分割池结合的转录基因组测序) 数据. 由于其性能和可靠的结果,建议使用STARsolo和splitpipe进行高效的单细胞转录组分析.
科学领域:
- 单细胞生物学 单细胞生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞测序能够在高分辨率下进行分子分析.
- 单细胞转录组测序是一种普遍的技术.
- SPLiT-seq (基于分割池结合的转录基因组序列) 使用组合条形码进行转录基因组分析.
研究的目的:
- 为了比较处理SPLiT-seq数据的八个生物信息管道.
- 评估计算性能,功能和对下游分析的影响.
- 引导用户选择SPLiT-seq数据处理的最佳工具.
主要方法:
- 对八个生物信息管道进行了比较分析:alevin-fry splitp,LR-splitpipe,SCSit,splitpipe,splitpipeline,SPLiTseq-demultiplex,STARsolo,以及zUMI. 这三种管道的比较分析包括:
- 对不同大小的数据集进行数据处理速度和准确性的评估.
- 对下游数据处理结果的评估.
主要成果:
- STARsolo,splitpipe和alevin-fry splitp能够高效地处理大型数据集.
- 大多数管道在较小的数据集上显示类似的单元条形码结果,除了SPLiTseq-demultiplex和splitpipeline.
- STARsolo和分管表现非常相似的性能;STARsolo需要额外的编码来进行六边形读取崩.
结论:
- 管道的选择显著影响SPLiT-seq数据处理效率和结果.
- 建议使用STARsolo和splitpipe进行SPLiT-seq数据分析.
- 用户应考虑有效处理数据的管道先决条件.
