单细胞ATAC-Seq数据的基因集合评分算法基准测试
基因集合评分工具对单细胞ATAC-seq数据的基准测试
作者： Xi Wang, Qiwei Lian, Haoyu Dong, Shuo Xu, Yaru Su, Xiaohui Wu
单位： Pasteurien College（苏州大学苏州医学院），厦门大学自动化系，福州大学数学与计算机科学学院
通讯作者： xhwu@suda.edu.cn
期刊： 《Genomics, Proteomics & Bioinformatics》
发布日期： 2024年2月9日（在线公布）
导论
转座酶可及染色质测序（ATAC-seq）是一种强大且常用的表观基因组技术，通过测序分析全基因组范围内的染色质可及性。近来，单细胞ATAC-seq（scATAC-seq）技术使得研究单细胞中的染色质可及性成为可能，揭示了染色质调控机制的新细胞亚群。然而，与单细胞RNA测序（scRNA-seq）相比，针对scATAC-seq的计算模型发展明显滞后。基因集合评分（GSS）已在RNA-seq数据中广泛应用，但针对scATAC-seq的GSS工具较少。为填补这一空白，本研究全面基准测试了十种GSS工具，包括单细胞RNA-seq工具和全体RNA-seq工具，并比较它们在scATAC-seq数据上的性能。
方法
本研究系统性地评估了十种GSS工具，包括四种全体RNA-seq工具（PLAGE、Z-score、ssGSEA、GSVA），五种单细胞RNA-seq工具（AUCell、pagoda2、VISION、VAM、unipath），以及一种特定于scATAC-seq的工具（unipathatac）。使用多组scATAC-seq数据集进行评估，包括八个独立的scATAC-seq数据集和三个配对的scATAC-seq与scRNA-seq数据集。研究流程包括数据预处理、基因活性转化、GSS应用以及结果评估。为解决数据稀疏性的问题，本研究还评估了不同填补缺失的方法对GSS结果的影响。最后，提供了在不同应用场景中选择适当预处理方法和GSS工具的实用指南。
主要结果
- GSS工具适用性评估： 测试了RNA-seq的GSS工具在scATAC-seq上的适用性，发现它们的性能与scRNA-seq数据上的表现相当。特别是pagoda2和PLAGE在多个数据集和场景下表现最佳。
- 基因活性转化和填补缺失的影响： 基因活性转化（GA）的不同工具对GSS的影响有限，但填补缺失可以显著提高几乎所有GSS工具的性能。基于scale和drimpute的填补表现最佳。
- GSS工具性能： pagoda2和PLAGE在处理原始数据时表现最佳，而在填补缺失数据后，VISION的整体表现最优。GSS工具的具体性能依赖于数据以及预处理步骤。
- 基因集合的影响： 不同基因集合的影响相对较小，但采用多个基因集合进行比较分析可以提供更全面的生物学解释。
- 计算速度： VISION和Z-score计算速度最快，建议进行小规模数据集分析时优先考虑快速工具。
结论与应用价值
本研究通过系统性基准测试，验证了RNA-seq的GSS工具在scATAC-seq数据上的适用性，为未来研究提供了新方法。结果表明，pagoda2和PLAGE表现优异，推荐用于未填补的原始数据，而VISION在填补数据后则是最佳选择。基因活性转化和填补缺失的方法能显著影响GSS结果，使用scale或drimpute可提高准确度。实验结果为选择scATAC-seq数据处理和分析工具提供了实用指南，推动了单细胞表观基因组学的发展。
实验亮点
- 工具适用性: 评估RNA-seq工具在scATAC-seq数据上的适用性，引入新的分析方法。
- 综合评估: 系统分析了填补缺失和基因活性转化对分析结果的影响，提供了详尽的对比数据和评价指标。
- 实用指南: 提供了明确的工具选择指南，为研究人员在处理不同类型的单细胞数据时提供了宝贵参考。
其他有价值信息
本研究使用的所有数据集均公开可用，分析脚本和详细数据处理流程也开放共享，使得本研究具有高再现性和推广应用价值。