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。
Measuring cell-to-cell expression variability in single-cell RNA-sequencing data: a comparative analysis and applications to B cell aging
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。
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)
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
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
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。
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。
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。
按研究目的归类文中使用的方法,便于定位所需技术。
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” |