问题背景
- 由于生物技术限制，有时一次实验可以测得的数据较少，我们需要将几个批次的细胞数据合并进行下游分析；
- 数据合并时会出现批次效应（Batch effects），不同实验人员、测序平台、时间等因素会给测序带去技术噪音，干扰聚类等单细胞分析流程；
-
多组学的联合分析是单细胞测序分析的趋势，今后有可能需要整合多种类型数据。
Batch effects (左图显示两个批次测序带来的误差，右图是批次校正后的结果，也是批次校正算法希望得到的).png
方法
Batch effects corrected by matching mutual nearest neighbors (MNN)
-
MNN (互近邻搜索算法）
Mutual nearest neighbors (MNN).png
如上图，例如红色圆圈代表批次1的细胞，蓝色圆圈代表批次2的细胞，当某个红色细胞和蓝色细胞互为最近邻时，将其作为一对最近邻细胞，计算两者间的欧氏距离。
- 算法流程
- 对细胞的基因表达计数余弦标准化；
- 计算批次1和批次2中每一对细胞的欧式距离；
- 设置最近邻区域大小为k，找出所有最近邻细胞对（此文章假设最近邻细胞对属于同一种细胞类型）；
- 计算细胞对的距离向量，用高斯核函数计算最终的两个批次之间的距离，这个向量的长度等于原数据中基因的个数；
- 将批次2的细胞统一减去此距离向量，投射在批次1细胞所在平面；
-
如果有批次3进来，循环1~5流程。
mnnCorrect().png
mnnCorrect().png
用法
此方法在R语言中可调用mnnCorrect()函数，需要先加载batchelor包。
library(batchelor)
B1 <- matrix(rnorm(10000), ncol = 50) # Batch 1
B2 <- matrix(rnorm(10000), ncol = 50) # Batch 2
out <- mnnCorrect(B1, B2) # corrected values
校正后，总细胞个数为各批次之和，基因和原各批次相同。
原文Link: Batch effects in single-cell RNA-sequencing data are corrected by matching mutual nearest neighbors
