算法开发与评估指标定义
设计一种无监督的基因选择算法，并定义评估所选基因panel质量的指标。
作者提出了geneBasis算法，基于k-NN图和Minkowski距离迭代选择基因，并定义了三种评估指标：细胞类型混淆矩阵、细胞邻域保留分数和基因预测分数。
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
geneBasis：一种从scRNA-seq中无监督选择靶向基因 panel的迭代方法
geneBasis: an iterative approach for unsupervised selection of targeted gene panels from scRNA-seq
实验完整度
高包含算法开发、四个多系统数据集基准、与SCMER/scGeneFit对比、稀有细胞类型和细胞状态验证、批次效应模拟、seqFISH+数据验证及计算复杂度分析。
主要模型
小鼠胚胎E8.5数据集 成人脾脏数据集 成人胰腺数据集 黑色素瘤数据集 seqFISH+小鼠嗅球数据
重点核对
k-NN图中邻居数n.neigh默认设为5 Minkowski距离的阶数p默认设为3 初始基因筛选：使用scran::modelGeneVar，var.threshold=0，最多10000个可变基因 批次处理：按批次分别构建k-NN图 基因panel评估指标：细胞邻域保留分数和基因预测分数
摘要
scRNA-seq数据集越来越多地被用于识别可通过替代技术探测的基因 panel，例如空间转录组学，在其中选择最佳的基因子集至关重要。现有方法受限于对预先存在的细胞类型标签的依赖，或难以识别稀有细胞的标记。我们引入了一种迭代方法 geneBasis，用于选择最佳的基因 panel，其中每个新添加的基因都捕获真实流形与使用当前选定的基因 panel构建的流形之间的最大距离。我们的方法优于现有策略，并且可以解析细胞类型和细微的细胞状态差异。
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
- 如何从scRNA-seq数据中无监督地选择靶向基因panel，以捕捉细胞类型和细胞状态差异，同时避免对预先定义的细胞类型注释的依赖？
- 核心机制
- geneBasis通过迭代选择基因，使所选基因panel构建的k-NN图与全转录组构建的'真实'k-NN图之间的Minkowski距离差异最大化，从而保留局部的细胞邻域和全局的转录异质性。
- 主要证据
- 在四个数据集（小鼠胚胎、脾脏、胰腺、黑色素瘤）上的基准测试表明，geneBasis在细胞邻域保留和细胞类型映射准确度上优于SCMER和scGeneFit，并且能捕捉稀有细胞类型和细胞状态标记。
- 研究意义
- geneBasis提供了一种无监督、批次感知的基因panel选择方法，可用于设计空间转录组学等靶向实验的基因集合，并有助于识别细胞状态相关的基因
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。
基准测试
评估geneBasis在多个生物数据集上的性能，并与现有方法SCMER和scGeneFit进行比较。
将geneBasis应用于小鼠胚胎、脾脏、胰腺和黑色素瘤数据集，评估细胞邻域保留分数、细胞类型映射准确度和基因冗余度，并与SCMER和scGeneFit比较。
批次效应和细胞类型组成不平衡的处理
评估geneBasis处理批次效应和细胞类型组成不平衡的能力。
在模拟实验中，通过人工去除特定批次中的血系细胞，评估geneBasis和SCMER选择血系标记的性能。
稀有细胞类型和细胞状态解析
验证geneBasis能否识别稀有细胞类型和未注释的细胞状态差异。
在小鼠胚胎、脾脏和胰腺数据集中评估基因panel对稀有细胞类型和细胞状态的解析能力，并在心肌细胞和肠道管数据集上验证对亚型或发育轨迹的捕捉。
seqFISH+数据验证
验证geneBasis选择的基因panel是否能在seqFISH+数据中解析细胞类型。
使用小鼠嗅球的scRNA-seq数据选择基因panel，并与对应的seqFISH+数据进行比较，评估细胞类型映射准确度。
计算复杂度评估
评估geneBasis算法的计算复杂度。
通过改变细胞数、初始基因数和选定基因数，测量geneBasis和SCMER的运行时间。
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 |
|---|---|---|---|
| 基因选择算法 | BiocNeighbors::findKNN | -- | -- |
| irlba::prcomp_irlba | -- | -- | |
| scran::modelGeneVar | -- | -- | |
| 数据整合 | batchelor::cosineNorm | -- | -- |
| batchelor::multiBatchNorm | -- | -- | |
| batchelor::multiBatchPCA | -- | -- | |
| 细胞类型映射 | batchelor::reducedMNN | -- | -- |
| 数据处理 | scanpy.pp.highly_variable_genes | -- | -- |
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 |
|---|---|
| k-NN图构建 | k-NN图中邻居数n.neigh（默认5）、使用的降维方法（真实图使用前50个PCA，选择图默认不使用PCA）、log-normalized计数 阅读提示：Methods部分 'k-NN graph representations for 'true' and 'selection' graphs' |
| Minkowski距离 | Minkowski距离的阶数p（默认3）、用于选择下一个基因的差值计算 阅读提示：Methods部分 'Default order for Minkowski distance' |
| 初始基因筛选 | 使用scran::modelGeneVar，var.threshold=0，最多10000个可变基因，并过滤线粒体基因 阅读提示：Methods部分 'Initial selection of genes' |
| 批次处理 | 若提供批次信息，则按批次构建k-NN图；计算Minkowski距离时使用所有批次细胞 阅读提示：Methods部分 'Batch correction' |
| 基因panel评估指标 | 计算细胞邻域保留分数和基因预测分数时所用的k（默认5）和阈值（基因预测分数中真实图相关性低于0.25的基因被丢弃） 阅读提示：Methods部分 'Gene prediction score' 和 'Cell neighborhood preservation score' |
| 细胞类型映射 | 使用所选基因的log-normalized计数，PCA（前50个PC），若提供批次则使用multiBatchPCA和reducedMNN进行批次校正，基于k-NN（k=5）分配细胞类型 阅读提示：Methods部分 'Cell type mapping' |