在scRNA-seq数据中的多重体:问题的范围和去除方法的有效性

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:

• 多重体是基于滴滴的单细胞RNA测序 (scRNA-seq) 中一个已知的工件.
• 它们的流行程度和对数据分析的影响往往被低估.
• 现有的检测工具和启发式估计经常无法准确识别多重体.

研究的目的:

• 评估跨多种scRNA-seq数据集的多重体的真实频率.
• 评估当前多重检测工具的有效性.
• 调查多重对下游分析的影响,并开发改进的估计模型.

主要方法:

• 对公开可用的scRNA-seq数据集与细胞散列数据的分析.
• 启发式复数率估计与细胞散列数据的比较.
• 对基于Poisson的模型进行了改进,用于多倍率估计.
• 对聚类,细胞类型注释和差异性基因表达分析的多重效应的评估.
• 多重效应的可视化和多重删除策略的评估.

主要成果:

• 常见的启发式估计系统地低估了多倍率.
• 现有的检测工具只能识别多重组的小子集,即使具有优化的参数.
• 一个精细的基于波桑的模型估计真正的倍数率可以比启发式预测高出两倍多.
• 多重变异扭曲聚类和细胞类型注释,不局限于孤立的聚类,并通过膨胀人工信号影响差异性基因表达分析.
• 基于单元格哈希信息的多重组删除提高了注释清晰度,并消除了人工集群,优于计算检测到的多重组.

结论:

• 多重污染是scRNA-seq分析中普遍存在且未得到充分解决的问题.
• 目前的方法不足以准确检测多重组,特别是在缺乏多重组的数据集中.
• 强大的多重检测策略,包括多式验证,对于准确和可解释的scRNA-seq结果至关重要.