【原】你值得擁有的單細胞RNA測序分析工具TOP 3

健明 2021-07-15

展開全文

RNA測序相信大家已經接觸到不少了，它的樣品通常來自研究某一組織細胞群。這些細胞被認為是同質的，也就是說每一個細胞內的表達水平被認為是相似的。但事實上細胞之間的異質性的很普遍的，RNA測序最終將表達量值算作所有細胞表達量的平均值，其實是掩蓋了細胞間差異的信號。而單細胞RNA測序就可以去發(fā)現(xiàn)細胞亞群中不同基因型和表型，或者不同的功能細胞之間的異質性。

單細胞RNA測序主要在免疫學、癌癥和發(fā)育研究中使用。這個技術可以讓我們更全面的了解組織學上相似的細胞如何分化、發(fā)現(xiàn)新的細胞類型和狀態(tài)。而且在個性化醫(yī)療癌細胞靶點鑒定中有很好的應用前景。單細胞RNA測序現(xiàn)在是一個非常熱門的技術，有著廣泛的應用。當然為這個新技術開發(fā)得生物信息學工具也越來越多。

OMICtools已經為我們選出了目前最受歡迎的單細胞RNA測序數(shù)據(jù)分析工具。（值得一提的是，OMICtools是一個非常有用的了解組學分析使用軟件的網站，有針對基因組、群體遺傳、RNAseq等各種分析的介紹。）

Seurat和Monocle并列第一，47%的人投給了它們。

Seurat 是一個可以做單細胞RNA測序數(shù)據(jù)質量控制、數(shù)據(jù)分析和數(shù)據(jù)挖掘的R包。算法包括非監(jiān)督聚類和預測細胞類型、單細胞數(shù)據(jù)空間重建以及不同處理，技術和跨物種的整合分析，還可以鑒定稀有細胞亞型。Seurat最有用的一點就是整合數(shù)據(jù)分析，它可以利用來自不同測序技術、不同物種和不同處理的數(shù)據(jù)中共同的變異來進行下游的差異分析。

Monocle 是另一個比較成熟的軟件包，它提出了一個在擬時間（pseudotime）上對單細胞進行排序的策略，利用生物過程中單個細胞之間并不同步的表達狀態(tài)來還原這個生物過程的細胞軌跡。Monocle運用高階的機器學習技術（Reversed Graph Embedding）來準確的對生物過程中的細胞進行排序。Monocle也可以利于t-SNE等降維的方法來進行聚類，然后發(fā)現(xiàn)差異表達基因。

TSCAN 和 RCA并列第二，同時獲得了43%的投票

TSCAN 也是一款基于細胞轉錄組漸變進行擬時間（pseudo-temporal）排序的工具。TSCAN利用基于聚類的最小生成樹（minimum spanning tree，MST）算法來排序，首先對細胞進行聚類然后利用MST算法來連接每個亞群的中心。然后將每個細胞對應到樹上，排序后的過程軌跡就可以用來研究基因表達的動態(tài)變化。在構建最小生成樹之前先進行聚類減少數(shù)的空間復雜度，能夠更好的進行細胞排序。TSCAN還有圖形界面版本，支持數(shù)據(jù)可視化和用戶交互。你可以從Bioconductor中獲得，也可以使用Web版（https://zhiji./TSCAN/ ）。

RCA（Reference Component Analysis）參考成分分析，這個算法作為一個R 包用于對單細胞RNA測序數(shù)據(jù)進行聚類。RCA是目前已知的最好的單細胞轉錄組聚類方法，它所得到的聚類結果十分緊密，每個細胞簇幾乎完全有同一類型細胞組成。RCA還發(fā)現(xiàn)了直腸癌腫瘤魚正常粘膜中的多種細胞類型，要知道臨床樣品通常有非常強的批次效應。RCA能對人類的單細胞RNA測序樣品進行聚類分析，包括三種模式：

1. GlobalPanel: 全局模式，默認選項用于分析各類細胞；

2. ColonEpitheliumPanel：適合分析人類腸道樣品；

3. SelfProjection：適用于分析不太明確的組織樣品，這個模式還在繼續(xù)優(yōu)化中。

第三名：Wishbone（python 3 ）

Wishbone利用分叉樹（bifurcating branches）來識別單細胞的發(fā)育軌跡，首先支出分叉點，然后根據(jù)細胞的發(fā)育進度將每個細胞標記為分叉前(pre-bifurcation)或者兩個不同細胞命運里的其中一個分叉后(post-bifurcation)的支上，從而完成排序。這個方法還被應用在研究小鼠骨髓細胞分化上。Wishbone可以分析各種測序技術得到的單細胞RNA測序數(shù)據(jù)，如單細胞質譜流式(Mass Ctyometry)和單細胞RNA測序。