在嵌套设置中的条件之间进行单细胞差异表达分析

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.

背景情况:

• 单细胞转录学能够在单个细胞水平上进行基因表达分析.
• 标准微分表达式分析通常假定统计独立性,而这种独立性被单细胞数据中的伪复制所破坏,导致稳定性和可重复性降低.
• 这种违规行为可能导致1型错误率过高,需要强大的分析方法.

研究的目的:

• 调查和对单细胞数据进行各种差异表达分析方法进行比较.
• 根据各种分析场景的性能和运行时间,为方法选择提供建议.
• 为了评估传统的伪花芽方法与专业的单细胞方法的实用性.

主要方法:

• 多重微分表达式分析工具的基准测试,包括DESeq2,MAST,DREAM,scVI,排列测试,不同的,和t测试.
• 对单细胞微分表达分析的层次引导的调整和包含.
• 对各种单细胞数据集的方法进行评估,以评估性能和计算效率.

主要成果:

• 专门为单细胞数据设计的差异表达分析方法在单个数据集上并不始终超过传统的伪集团方法,如DESeq2.
• 专业的单细胞方法往往比伪细胞方法更长的运行时间.
• 对于大规模的亚特拉斯级分析,基于排列的方法表现出高性能但运行时间效率差,DREAM提供了质量和速度之间的平衡.

结论:

• 传统的伪集团方法是对单个单细胞数据集的差异表达式分析的可行且往往更有效的替代方法.
• 对于大规模的分析,基于排列的方法是强大的,但计算密集;建议DREAM作为一个实际的妥协.
• 这项研究为在单细胞基因组学研究中选择适当的差异表达分析方法提供了必要的指导方针.