前言
单细胞RNA测序(scRNA-seq)是一种重建细胞分化轨迹的有效方法,然而要想同时推断分化的状态与方向是非常具有挑战性的。过去我们经常使用的是Monocle(拟时间轨迹分析)来推断不同细胞类群之间的分化轨迹,但是这个软件无法判断这些细胞的起点,即找不出分化程度最低(干性最高)的组细胞亚群。因此,在2020年就出现了CytoTRACE,专门用来评估单细胞数据中各细胞亚群的分化潜力,从而鉴定出组细胞。
CytoTRACE提出来一种新型的细胞分化能力计算框架,它利用基因计数,并在单细胞水平上显著改善细胞分化状态。与大多数现有的沿袭轨迹分析方法不同,CytoTRACE可以以一种独立于特定时间尺度或数据中存在连续发育过程的方式预测相对状态和分化方向,而与特定时间尺度或数据中是否存在持续发展的过程无关。此外,CytoTRACE也与组织类型,物种和scRNA-seq平台无关。
按理说这么好用的软件,Immugent肯定会写几篇推文好好的介绍一下,但是由于目前市面上已经有很多关于CytoTRACE的推文了,包括代码实操。因此,Immugent就不再赘述了,就简单对CytoTRACE对应的文章进行解读来熟悉一下它的功能框架,主要是用来引出后面要隆重介绍的同样可以分析单细胞干性的软件--SCENT。
主要内容
文章第一幅图,作者展示了一个简单而精确的发育潜力的决定因素——每个细胞表达基因的数量——并利用这个转录多样性的测量来开发一个计算框架(细胞追踪)来预测来自scRNA-seq数据的分化状态。当应用于不同的组织类型和生物体时,细胞追踪技术在解决52条实验确定的发育轨迹方面的表现优于先前的方法,并且可以解析将近19000个带注释的基因集。此外,该方法也促进了静态干细胞的鉴定,并揭示了与乳腺癌发生有关的基因。因此,这项研究建立了一个基于RNA的发育潜力关键特征和一个描述细胞层次结构的平台,即CytoTRACE。
众所周知,每个细胞表达的基因数量通常在关键技术参数方面表现出一致的性能,并且通常与mRNA含量相关。然而,在一些数据集中,如体外向胃泌层分化的hESCs,每个细胞中表达的基因数量表现出相当大的表型内变异。事实上,当在单细胞水平上进行评估时,作者计算机模拟筛选中的412个预定义基因集的表现优于基因计数。由于scRNA-seq设计用于捕获单细胞基因表达,因此作者认为其表达方式与基因计数相关的基因可能会更好地捕获分化状态。实际上,通过简单地平均与每个数据集(材料和方法)中的基因计数高度相关的基因的表达水平,所得的特定于数据集的基因计数签名(GCS)成为屏幕中性能最高的指标,作者评估的预定义基因集和计算工具。因此,作者基于单个细胞间的转录协方差,实现了一个两步的步骤来直接平滑的GCS。
为了验证发现,作者最后从26项研究中收集了33个额外的scRNA-seq数据集。这些数据集代表了不同的发育和分化过程,由141,267个单细胞组成,涵盖266个表型,9个生物系统,5个物种(包括2个完整生物)和9个scRNA-seq平台(3个基于液滴和6个基于板的平台)协议,范围从平均约10,000个唯一分子标识符到每个细胞约100万个读数。在单细胞水平上进行评估时,CytoTRACE在验证队列中的表现优于所有评估的基于RNA的特征,与排名第二高的方法相比,其性能显着提高(中位数rho = 0.72 vs 0.53)。
虽然先前的研究已经证明在特定的发育环境(如胚胎干细胞、肠干细胞和神经干细胞)中,染色质可及性和/或可塑性的整体降低,但是作者的定量研究扩展了这一结果范围。此外,作者的通过实验也证明,表型相同的单个细胞之间的基因计数的差异并不完全是由于"drou-out"引起,也有可能是由于转录组的差异采样。最后,鉴于CytoTRACE能够恢复几乎每个评估的数据集中的分化方向的能力,最后,作者探索了其在没有先验知识的情况下识别未成熟表型标记的潜力。通过根据与CytoTRACE的相关性对基因进行排序,可以在86%的基准数据集中轻松地对未成熟细胞的标记进行优先排序。
小结
CytoTRACE对应的文章既然能发表在Science杂志上,那它的准确性我们就不用怀疑了。但是有些时候可谓“成也萧何,败也萧何”,我们在使用CytoTRACE都会有同样的感受,那就是它太智能了,导致可操作的步骤不多,因此很难和其它分析结果相关联,或者说没办法实现个性化分析。其实早在2017年就在NATURE COMMUNICATIONS杂志上发表过一个软件:SCENT,专门用来评估单细胞数据中的细胞干性,Immugent后续将会专门写两篇针对SCENT的推文,敬请期待!
好啦,本期分享到这就结束了,我们下期再会~~
[参考文献]
Gulati GS, Sikandar SS, Wesche DJ, Manjunath A, Bharadwaj A, Berger MJ, Ilagan F, Kuo AH, Hsieh RW, Cai S, Zabala M, Scheeren FA, Lobo NA, Qian D, Yu FB, Dirbas FM, Clarke MF, Newman AM. Single-cell transcriptional diversity is a hallmark of developmental potential. Science. 2020 Jan 24;367(6476):405-411. doi: 10.1126/science.aax0249. PMID: 31974247; PMCID: PMC7694873.