基因过滤与相关范围评分
筛选出可能为细胞类型特异性标记基因的候选特征基因
过滤线粒体、核糖体、 Spike-in和假基因，基于表达量分箱计算相关范围z-score，保留z-score > 0.7的基因
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
DUBStepR：一种基于相关性的可扩展特征选择方法，用于准确聚类单细胞数据
DUBStepR is a scalable correlation-based feature selection method for accurately clustering single-cell data.
实验完整度
高包含多种细胞系和患者PBMC的scRNA-seq数据、scATAC-seq数据，并进行聚类基准测试和功能验证（标记基因检测、罕见细胞类型识别）
主要模型
五种肺腺癌细胞系的scRNA-seq数据 7个涵盖4种scRNA-seq协议的基准数据集 类风湿关节炎患者PBMC的scRNA-seq数据 人骨髓细胞scATAC-seq数据
重点核对
特征集大小范围50-4000，DUBStepR在200-300特征时表现最佳 使用Silhouette指数评估聚类分离度 使用AUROC评估DE基因检测性能，DUBStepR在7个数据集上AUROC均>0.97 在超过100万个小鼠器官发生数据集细胞上评估可扩展性 在RA PBMC数据中鉴定出10种细胞亚型，包括4种罕见细胞簇
摘要
特征选择（标记基因选择）被广泛认为能提高聚类准确性，因此是单细胞聚类流程的关键组成部分。现有特征选择方法在不同数据集上表现不一致，有时甚至导致聚类准确性低于不进行特征选择的情况。此外，现有方法忽略了基因-基因相关性中包含的信息。在此，我们介绍DUBStepR（Determining the Underlying Basis using Stepwise Regression），一种利用基因-基因相关性以及一种新的特征空间不均匀性度量（称为密度指数，DI）的特征选择算法。尽管选择的基因数量相对较少，DUBStepR在多种聚类基准测试中显著优于现有的单细胞特征选择方法。此外，DUBStepR是唯一一种通过识别类风湿关节炎患者PBMC中与疾病相关的常见和罕见细胞类型及亚型，从而稳健地解卷积T和NK细胞异质性的方法。DUBStepR可扩展至超过一百万个细胞，并可直接应用于其他数据类型，如单细胞ATAC-seq。我们提出DUBStepR作为一种通用特征选择解决方案，用于准确聚类单细胞数据。
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
- 如何利用基因-基因相关性改进单细胞数据的特征选择，以提高聚类准确性并识别罕见细胞类型？
- 核心机制
- DUBStepR通过相关范围评分选择候选特征基因，利用逐步回归识别最小冗余的种子基因集，并通过 guilt-by-association 扩展特征集，同时使用密度指数（DI）优化特征集大小。
- 主要证据
- 在7个scRNA-seq数据集上，DUBStepR的Silhouette指数和AUROC均优于其他方法；在RA PBMC数据中唯一稳健识别出常见和罕见细胞类型及亚型；在scATAC-seq数据中轨迹分析匹配已知造血分化层级。
- 研究意义
- DUBStepR作为一种通用特征选择解决方案，可提高单细胞数据聚类的准确性，并可扩展至超过一百万细胞，适用于scATAC-seq等其他数据类型。
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。
逐步回归识别种子基因
从候选基因中识别最小冗余的代表性种子基因集
在基因-基因相关矩阵上进行逐步回归，每次回归掉解释最大方差的基因，通过碎石图肘点确定种子基因数量
guilt-by-association 扩展特征集
通过迭代添加与种子基因最相关的基因，扩展特征集以更好地捕获表达变异
迭代选择与种子基因集中任一基因Pearson相关性最强的基因加入特征集，直至达到最优特征集大小
密度指数优化特征集大小
确定使细胞类型分离最大化的特征集大小
对给定特征集进行PCA，计算密度指数（DI），选择使DI最大的特征集大小
聚类基准测试
评估DUBStepR与其他特征选择方法的性能
在7个scRNA-seq数据集上，使用Silhouette指数和AUROC评估聚类分离度和DE基因检测准确性
类风湿关节炎PBMC数据分析
验证DUBStepR在复杂原代样本中识别罕见细胞类型和细胞状态的能力
对4名RA患者的PBMC进行scRNA-seq，使用SingleR分离T和NK细胞，然后应用DUBStepR聚类并与其它方法比较
scATAC-seq数据应用
验证DUBStepR可推广至scATAC-seq数据
将DUBStepR应用于8个FACS纯化的人骨髓细胞亚群的scATAC-seq数据，使用Monocle 3进行轨迹分析
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 |
|---|---|---|---|
| PBMC分离 | Ficoll-Hypaque | -- | -- |
| Lymphoprep | STEMCELL | 07801 | |
| SepMate | STEMCELL | 15420 | |
| 细胞培养 | 胎牛血清 | STEMCELL | 07905 |
| 单细胞RNA测序 | 单细胞3' v2 10x试剂盒 | 10x Genomics | -- |
| Illumina HiSeq 4000 | Illumina | -- | |
| 基因分型 | Illumina Infinium HTS检测 | Illumina | -- |
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 |
|---|---|
| 基因过滤与相关范围评分 | 基因表达细胞比例阈值（默认5%，RA PBMC中为1%）；相关范围z-score阈值0.7 阅读提示：Methods部分“Gene filtering”和“Correlation range”小节 |
| 逐步回归与种子基因选择 | 逐步回归步数（默认30步后假设，总计100步）；肘点计算方法 阅读提示：Methods部分“Stepwise regression”小节和Supplementary Note 1B |
| 密度指数与特征集大小优化 | PCA主成分数（默认20）；k近邻数k（文中未明确说明） 阅读提示：Methods部分“Density index”小节 |
| 聚类基准测试 | 特征集大小范围（50-4000）；DE基因定义（top 500和bottom 500）；数据集来源和预处理 阅读提示：Results部分“Benchmarking”小节和Supplementary Note 2A、3A、3B |
| 类风湿关节炎PBMC数据分析 | 患者数量（4）；细胞数（8312）；SingleR参考数据集（Monaco免疫数据集）；聚类参数（前12个PC，Louvain默认参数） 阅读提示：Methods部分“Rheumatoid arthritis dataset”和“DUBStepR analysis”小节 |
| scATAC-seq数据应用 | 细胞亚群数量（8）；轨迹分析方法（Monocle 3） 阅读提示：Results部分“DUBStepR generalizes to scATAC-seq data”小节和Supplementary Note 2D |