伪bulk矩阵构建和质量控制
评估不同QC和转换选项对PEER因子行为的影响
对三个scRNA-seq数据集（OneK1K PBMC、成纤维细胞、iPSC）按个体计算平均表达量构建伪bulk矩阵，并应用13种组合QC选项（如π0过滤、log变换、标准化、RINT）生成PEER因子。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
在单细胞eQTL分析中应用潜变量的陷阱与机遇
Pitfalls and opportunities for applying latent variables in single-cell eQTL analyses
实验完整度
中基于三个scRNA-seq数据集（OneK1K、Neavin等）进行系统性计算分析，包含多种QC选项比较、eQTL敏感性分析和样本量下采样验证。
主要模型
PBMCs（外周血单核细胞）中的14种细胞类型 成纤维细胞（6种亚型） 诱导多能干细胞（iPSC）（4种亚型）
重点核对
PEER因子生成前的QC选项（如π0≥0.9、log(x+1)、标准化） eQTL关联模型中拟合的PFs/PCs数量（0-50） 使用所有基因或top 2000 HVGs生成PFs的差异 样本量对PF相关性的影响（下采样实验：N=31,40,50,79） 局部贪心算法与肘部检测法、BE算法选择的PFs/PCs数量
摘要
在基因表达数据中使用潜变量有助于校正未观测到的混杂因素，并提高表达数量性状基因座（eQTL）检测的统计功效。概率估计表达残差（PEER）和主成分分析（PCA）是广泛使用的方法，可以在bulk RNA-seq分析中去除不需要的变异并提高eQTL发现能力。然而，它们在单细胞eQTL分析中的性能尚未得到广泛评估，尤其是在不同细胞类型中。由于单细胞RNA-seq数据的结构，包括稀疏性、偏斜性和均值-方差关系，可能会出现潜在挑战。在这里，我们通过一系列分析表明，PEER和PCA需要对伪bulk矩阵进行额外的质量控制和数据转换步骤，以获得有效的潜变量；否则，可能导致高度相关的因子（Pearson相关系数r = 0.63 ~ 0.99）。在eQTL关联模型中纳入有效的PFs/PCs将识别出1.7 ~ 13.3%更多的eGenes。敏感性分析显示，不同细胞类型中检测到的eGenes数量与拟合的PFs/PCs之间的变化模式差异显著。此外，使用高度可变基因生成潜变量可以达到与使用所有基因相似的eGene发现能力，但可以节省大量计算资源（约快6.2倍）。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- PEER和PCA生成的潜变量在单细胞eQTL分析中是否有效，以及如何优化其生成和使用？
- 核心机制
- 单细胞伪bulk数据的稀疏性、偏斜性和均值-方差依赖违反了PEER的假设，导致PF/PC间出现伪相关，影响eQTL发现功效。
- 主要证据
- 对OneK1K、成纤维细胞和iPSC数据进行分析，发现QC不足时PF间相关性高（r>0.5），且使用HVG2000生成PF可达到相似eGene发现能力并节省计算时间。
- 研究意义
- 为单细胞eQTL分析中潜变量的生成和使用提供指南，提出数据驱动的局部贪心算法选择最优潜变量数量，以提高eQTL发现功效并避免过拟合。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
评估PEER因子相关性和诊断
检查不同QC选项下PEER因子之间的相关性，并评估其统计性质
计算前10或50个PEER因子之间的成对Pearson相关性，并绘制诊断图；检查基因表达的偏度和均值-方差关系。
eQTL敏感性分析
评估不同数量PFs/PCs对eQTL发现功效的影响
使用Matrix eQTL进行eQTL分析，在模型中拟合逐渐增加数量的PFs/PCs（0到50），统计eGenes数量，并比较不同QC选项下的结果。
样本量下采样验证
验证样本量不足是否导致PF间高相关性
将成纤维细胞数据从79人下采样到31人（匹配iPSC样本量），重复30次，生成PEER因子并计算相关性。
最优潜变量数量选择方法比较
比较不同方法选择最优PFs/PCs数量的性能
提出局部贪心算法，并与自动肘部检测法和BE算法进行比较，比较eGenes发现数量。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据预处理 | sctransform | -- | -- |
| 潜变量推断 | PEER | -- | -- |
| eQTL分析 | Matrix eQTL | -- | -- |
| 统计分析 | R包qvalue | -- | -- |
| 数据预处理 | RNOmni | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 伪bulk矩阵构建 | 基因表达均值计算方式（intra-individual mean） 阅读提示：Methods 第一段 |
| PEER因子生成 | QC选项（π0阈值、log变换、标准化、RINT、HVG2000） 阅读提示：Methods 第二段及Table 1 |
| eQTL关联分析 | 协变量（性别、年龄、基因型PCs、PFs/PCs）及数量 阅读提示：Methods 第三段 |
| eQTL显著性阈值 | local FDR < 0.05 阅读提示：Methods 第三段 |
| 样本量下采样 | 下采样样本量（31, 40, 50）和重复次数（30） 阅读提示：Methods 第五段 |