测量单细胞RNA测序数据中的细胞间表达变异性:比较分析及其在B细胞衰老中的应用

Measuring cell-to-cell expression variability in single-cell RNA-sequencing data: a comparative analysis and applications to B cell aging

作者信息Huiwen Zheng, Jan Vijg, Atefeh Taherian Fard, Jessica Cara Mar
PMID37864221
发布时间2023-10
DOI10.1186/s13059-023-03036-2

实验完整度

高

包含多层级基准测试(模拟、真实数据、对照数据集),并应用至B细胞分化和衰老的功能验证。

主要模型

Tabula Muris Senis(TMS)小鼠骨髓细胞(FACS Smart-seq2 和 10X Droplet) ERCC spike-in 数据 人类PBMC来源的CD19+ B细胞(10X) 模拟数据(Splatter)

重点核对

测序平台(FACS Smart-seq2 和 10X Droplet) 样本量(细胞数) 变异指标的选择(14种比较) 已知变异程度的基因集(核糖体基因、SEGs、模拟HVGs) 年轻(3月龄)和老年(24月龄)小鼠的时间点

摘要

背景:单细胞RNA测序(scRNA-seq)技术能够捕获基因表达异质性,从而促进在细胞类型水平上研究细胞间变异性。尽管已经提出了不同的方法来量化细胞间变异性,但尚不清楚最佳统计方法是什么,特别是在考虑scRNA-seq数据特有的挑战性数据结构(如零膨胀)时。结果:我们系统评估了14种常用于转录组数据测量细胞间变异性的不同变异性指标的性能。利用模拟和真实数据集,我们基于数据特定特征、稀疏性和测序平台、生物学特性以及基于已知基因集重现真实生物学变异水平的能力,对指标性能进行了基准测试。接下来,我们使用综合表现最强的scran来研究B细胞分化和衰老过程中细胞间变异性的变化。对来自造血干细胞(HSCs)和B淋巴细胞生成的原代细胞类型的分析揭示了在B细胞分化过程中具有一致可变和稳定表达模式的独特基因特征,这突出了这些方法的重要性。识别年轻和老年细胞之间的差异可变基因阐明了仅关注平均表达变化可能忽略的调控变化,我们在调控网络的背景下对此进行了研究。结论:我们强调了在诸如分化和衰老等复杂生物过程中捕获细胞间基因表达变异性的重要性,并强调了这些发现在单个细胞类型水平上的价值。补充信息:在线版本包含补充材料,可访问10.1186/s13059-023-03036-2。关键词:细胞间变异性,B淋巴细胞分化,衰老,单细胞RNA测序,评估框架。

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
在单细胞RNA测序数据中,哪种变异指标最能准确测量细胞间表达变异性,以及这些变异性如何随B细胞分化和衰老而变化?
核心机制
scran 测量的细胞间变异性能够反映B细胞分化和衰老过程中的调控变化,且变化是细胞类型特异性的;转录因子如Sfpi1的表达变异性增加可能导致其靶基因表达变异性的方向性改变。
主要证据
通过模拟、真实数据和对照数据集评估14种指标,发现scran最佳;应用scran分析TMS数据,识别出分化过程中一致可变和稳定基因,以及衰老中差异可变(DV)基因,并构建转录因子调控网络。
研究意义
研究表明细胞间变异性应被视为理解复杂生物学过程(如分化和衰老)的关键统计量,而非单纯的噪声,并强调了在单细胞分析中考虑变异性对于揭示被平均表达分析遗漏的调控变化的重要性。

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。

1

评估变异指标性能

确定哪种变异性指标在scRNA-seq数据中表现最佳

使用模拟和真实数据(包括TMS、ERCC、10k B细胞)对14种指标进行系统比较,评估测序平台、样本量、数据结构和已知变异程度的影响。

2

分析B细胞分化过程中的变异性变化

揭示B细胞分化过程中细胞间变异性的模式

使用scran计算HSC、晚期祖B、前体B、未成熟B和初始B细胞的变异性,识别一致变异和稳定基因,并进行通路富集分析。

3

分析衰老过程中HSC和初始B细胞的变异性变化

识别衰老相关的差异可变基因及其调控网络

比较年轻和老年HSC及初始B细胞的变异性,鉴定差异可变(DV)基因,构建转录因子调控网络,并通过外部数据集验证。

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
Seurat--version
Monocle3----
Cytoscape--v3.7.1
R--version
ggplot2--version

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
变异指标评估
测序平台(FACS Smart-seq2 vs. 10X Droplet)、样本量(细胞数)、数据预处理(log CPM或原始计数)、指标参数(默认或调整)
阅读提示:参见Methods中“Overview of metrics”和“Datasets and pre-processing used for metrics evaluation”
B细胞分化变异性分析
细胞类型(HSC、晚期祖B、前体B、未成熟B、初始B)、年龄组(3月龄和24月龄合并)、基因过滤(>10%细胞表达)、年龄效应校正
阅读提示:参见Methods中“TMS B cell studies and pre-processing”及图5
衰老差异可变基因分析
年龄组(3月龄 vs. 24月龄)、细胞类型(HSC、初始B)、基因过滤(>5%表达)、DV阈值(p<0.05)、scran变异估计
阅读提示:参见Methods中“Differentially Variable (DV) gene testing”及图6
外部数据集验证
外部数据集(GSE100428)的LT-HSC和ST-HSC、年龄分组(年轻8-12周,年老20-24月)、DV分析设置、重叠检验方法
阅读提示:参见Methods中“External HSC dataset to validate DV genes in TMS HSCs”