测试单转+空转联合分析工具的文章

• Benchmarking spatial and single-cell transcriptomics integration methods for transcript distribution prediction and cell type deconvolution
• 2022年6月发表于nature method

背景：

• 原位杂交，荧光显微镜（图像基础）
  1. 优点：高分辨率、高精确性，
  2. 缺点：低通量
  3. 方法：seqFISH, osmFISH, MERFISH
• 高通量测序
  1. 优点：高通量、
  2. 缺点低分辨率
  3. 方法：ST, 10X Visium, and Slide-seq
• 综上所述，需要能够同时具有高通量、高分辨率的工具，所以出现了单转+空转联合分析的各种工具。本文通过45组真实数据和32组模拟数据来测试16个工具。

工具简介

• gimVI 深度生成模型

• SpaGE K邻近回归

• Tangram 非凸优化、深度学习框架

• seuart 典型关联分析，把单细胞数据映射到空转的spot里面

• LIGER 非负矩阵分解、shared factor neighborhood graphs （共享因子邻接图）

• novoSpaRc and SpaOTsc 最优运输,基于单转数据建立空间矩阵

• stPlus 自编码、加权K邻近算法

• Seurat, Tangram, novoSpaRc和SpaOTsc 可以把单转数据分配到组织切片位置中

• Cell2location 评估每个spot的细胞类型丰度

• RCTD 通过单转的细胞类型文件和监督学习来分解细胞混杂物

• SpatialDWLS 加权最小二乘

• Stereoscope 基于模型的概率方法和单转数据，反卷积细胞混杂物

• SPOTlight 非负矩阵分解，反卷积spot

• DSTG 图卷积神经网络，反卷积空转数据

• STRIDE 由单转数据训练的文件，分解细胞混杂物

• DestVI 变分推理、隐变量模型，描述细胞类型比例

评分标准

1. 精确度评分
2. 稳健性
3. 计算机资源消耗

测试的数据

• 45组数据（单转+空转）

• 32组模拟数据，低分辨率，和10X Visium或ST相似。

  
  
  image.png

工具作用

1. Tangram, gimVI, SpaGE, Seurat, SpaOTsc, novoSpaRc,LIGER,stPlus 预测RNA转录本的空间分布

2. Tangram, Seurat, SpaOTsc, novoSpaRc 把单转数据对应到空转的位置中

3. Cell2location, SpatialDWLS, RCTD, Stereoscope, DestVI, STRIDE, SPOTlight, and DSTG 结合单转和空转，预测spot的细胞组成

• 2 和3的12种方法可以对spot中的细胞类型进行反卷积

预测RNA转录本空间分布的方法

• 十折交叉验证，预测的基因表达量和真实的表达量之间的皮尔逊相关系数（PCC），PCC越高，则工具表现越好。

• 首先验证已发表的标记基因的空转结果,例如Igsf21、Rprm 在皮层L5/L6中高表达。

• 选取dataset 4 (seqFISH+; Smart-seq; mouse cortex),
  Igsf21

  1. Tangram PCC=0.79
  2. gimVI PCC=0.77
  3. SpaGE PCC=0.71

  4. Seurat PCC=0.70

     
     
     image.png

  Rprm

  1. SpaGE 0.79
  2. Seurat 0.79

  3. SpaOTsc, gimVI, Tangram, and LIGER (PCC=0.78, 0.71, 0.66, 0.65)

     
     
     image.png

• dataset 42 (ST; 10X Chromium; human squamous carcinoma).
  COL17A1是鳞状癌基底细胞的标记基因

  1. PCC 0.86 (Tangram), 0.84 (gimVI), 0.76 (novoSpaRc), and 0.70 (SpaGE),PCC值明显高于另外四个工具

为了进一步量化预测精度

1. SSIM（它结合了平均值、方差和协方差来衡量预测结果与实际情况之间的相似性）
2. RMSE（真实值和预测分布的绝对误差）
3. JS（相对信息熵衡量两个分布之间的差异）

• 对于一个基因，PCC/SSIM 越大；RMSE/JS越低，则预测精度越高，综合上述四种指标，用AS来评价精确性评分

• 对于data4，Tangram、gimVI AS分数最高，高于其他工具

• 对于45组数据 + 32组模拟数据，Tangram仍然是表现最好的集成方法，其次是gimVI和SpaGE

• 10X Visium, seqFISH, MERFISH, and Slide-seq 四种平台的数据
  Tangram、gimVI，SpaGE优于其他方法
  Tangram和gimVI 对于Slide-seq 数据集的处理优于其他方法

归一化对性能的影响

• Seurat, LIGER, SpaGE, stPlus 默认归一化数据
• 原始空转数据R、原始单转数据R、归一化空转数据N、归一化单转数据N
  1. 四种组合中，对于各种工具R-R的组合有更高的PCC值
  2. 无论是哪种组合，Tangram 都比其他工具强

稀疏矩阵的影响

• 对于数据集12、13、40和44，所有8种集成方法在预测转录本空间分布方面的准确性都很低（即平均PCC/SSIM<0.3）

• 8种方法的JS值都随着表达矩阵稀疏度的增大呈线性增加

• 为了评估稀疏矩阵的影响，用marker gene ： Cplx1 在皮层L5中高表达

• Tangram，gimVI，SpaGE PCC>0.7 表现很好

稳健性

• 稳健性得分：PCC阈值0.5的原始数据和下采样数据的转录本比例
• RS值随着下采样率的增加而降低，Tangram和gimVI，SpaGE表现优于其他工具

反卷积的测试

• 为了确定空转中spot的细胞类型占比，模拟了数据集
  RCTD and Stereoscope (0.87), Tangram (0.85)

• spot中细胞类型组成，RCTD AS score (0.94) Stereoscope (0.92).

• dataset 4 (seqFISH+; Smart-seq; mouse cortex)

  1. SpatialDWLS, Tangram, RCTD 位居第一、第二、第三

• 为了进一步量化12个工具在模拟数据集中的性能（novoSpaRc and SpaOTsc 需要空间位置信息，但是模拟数据中没有，所以排除他俩）剩下10个工具

• Cell2location, SpatialDWLS, RCTD, STRIDE 表现最佳， spot中的细胞类型组成

计算机资源消耗

• gimVI and Tangram 支持显卡，但是对于data40 19,522 spots and 26,252 cells ，NVIDIA Tesla K80 with 12 GB 内存不够报错

• Seurat和LIGER处理每个数据集的CPU时间不到10分钟，而Tangram和LIGER 总共占用了不到32gb的内存

• 总的来说Seurat的计算效率最高

用下面的数据测试

• number of cells in scRNA-seq data, the number of spots in spatial data, and the number of cell types
• Tangram and Seurat是效率最高的两个

综上所述

• Tangram, gimVI, and SpaGE 在转录本的空间分布中表现优秀
• Cell2location, SpatialDWLS, RCTD 在spots的细胞类型组成中表现优秀
• Tangram 、Seurat 对于计算机资源消耗相对较少