Nat Comm ： 周翔组开发单细胞RNA测序数据分析新方法 – iDEA

来源：BioArt

近日，美国密歇根大学、生物统计系周翔副教授课题组（https://www.xzlab.org；博士研究生马莹为第一作者，孙世权博士为共同第一作者）在Nature Communications杂志上发表方法研究型长文：Integrative Differential Expression and Gene Set Enrichment Analysis Using Summary Statistics for scRNA-seq Studies，提出了一种单细胞RNA测序数据（scRNA-seq）差异表达基因和基因富集联合分析的新方法iDEA。

基因差异表达（DE）分析和基因集富集（GSE）分析在单细胞RNA测序（scRNA-seq）研究中有着广泛的应用。作者开发了一种集成的、可扩展的计算方法iDEA来执行DE和GSE联合分析。该方法利用层次贝叶斯框架 (Hierarchical Bayesian) 对单细胞RNA测序的概括统计数据（Summary Statistics）进行建模，通过一个内层马尔可夫链蒙特卡罗（MCMC）步骤的期望最大化（EM）算法对该模型进行求解，采用了Louis Method来对EM-MCMC算法估计出来的富集参数（Enrichment Parameter）的信息矩阵（Observed Information）进行校正。

相比于目前常规的基于单细胞RNA测序原始数据建模的DE方法能提高因不同统计模型构架下DE方法识别出来的的差异性表达基因的一致性，并且避免由于分析大规模单细胞RNA测序原始数据而导致的计算复杂性。相比于现有的GSE方法，iDEA能有效地控制第一类错误（Type I Error），提高GSE分析的统计检验效能（Statistical Power）。

基于对单细胞RNA测序的概括统计数据（Summary Statistics），iDEA进行了DE分析和GSE的联合分析，通过模型里DE分析结果和GSE分析结果的相互反馈，来提高两种分析的统计检验效能（Statistical Power）和结果的可重复性、一致性，是单细胞RNA测序数据一个快速、有效且灵活的分析工具。

本文通过设计大量的仿真实验 (Simulations) 评估iDEA模型与算法的有效性和优劣性，并且通过三个公开实例数据验证模型与算法的实用性。

这三个实例数据来自不同的物种、组织（人胚胎干细胞，老鼠感觉神经元，人外周血单个核细胞），和三种不同的单细胞测序技术（SMARTer，STRT-Seq ，10x Genomics）。

在这三个实例数据上，iDEA 能比现有DE方法提高 64%的统计检验效能，而iDEA的基因集统计检验效更能达到现有GSE方法的五倍。以人胚胎干细胞为例，iDEA识别的差异表达基因是以前DE方法zingeR的1.6倍。这些iDEA多识别出来的基因有明显的生物学意义：热图结果显示这些识别的基因有明显的表达差异，通过与已知人胚胎干细胞标记基因验证，iDEA识别了大量与内胚层干细胞分化（definitive endoderm cell differentiation）相关的基因，其中包括基因SMAD3， GATA3等。

同时，在这个人胚胎干细胞实例数据上，iDEA识别到的基因集是之前GSEA方法的2倍。iDEA识别的基因集中了大量与人胚胎干细胞发展有关基因集，其中transforming growth factor beta (TGF-beta) receptor signaling pathway以及vasculature development。

简而言之，本文提出了一个快速、有效的新方法iDEA，通过数值模拟和实例分析表明该方法可以很好地控制第一类错误，同时识别出差异表达基因和富集的基因集，且具有较高的统计功效。