单细胞交响乐
  • 前言:我与《单细胞交响乐》的缘分
  • 1 准备篇:背景知识
    • 1.1 数据结构
    • 1.2 总览 | 从实验到分析
  • 2 积累篇:文献阅读
    • 2.1.1 综述 | 2019-单细胞转录组分析最佳思路
    • 2.1.2 综述 | 2018-单细胞捕获平台
    • 2.1.3 综述 | 2017-scRNA中的细胞聚类分群
    • 2.1.4 综述 | scRNA已经开发出超过1000款工具了,你用过几种?
    • 2.1.5 综述 | 2021-单细胞测序的微流控技术应用
    • 2.2.1 研究 | 2018-单细胞转录组探索癌症免疫治疗获得性抗性机理
    • 2.2.2 研究 | 2018-人类结直肠癌单细胞多组学分析
    • 2.2.3 研究 | 2020-单细胞分析揭示葡萄膜黑色素瘤新的进化复杂性
    • 2.2.4 研究 | 2020-COVID-19病人支气管免疫细胞单细胞测序分析
    • 2.2.5 研究 | 2020-原汁原味读--单细胞肿瘤免疫图谱
    • 2.2.6 研究 | 2021-多发性骨髓瘤发展过程中肿瘤和免疫细胞的共同进化
    • 2.2.7 研究 | 2021-多个组织的成纤维细胞图谱
    • 2.2.8 研究 | 2021-多组学分析肺结核队列的记忆T细胞状态
    • 2.2.9 研究 | 2021-CancerSCEM: 人类癌症单细胞表达图谱数据库
    • 2.2.10 研究| 2021-单细胞转录组分析COVID-19重症患者肺泡巨噬细胞亚型
    • 2.2.11 研究 |2021-单细胞转录组揭示肺腺癌特有的肿瘤微环境
    • 2.2.12 研究 | 2021-单细胞转录组揭示乳头状甲状腺癌起始与发展
    • 2.2.13 研究 | 2021-解析食管鳞癌化疗病人的单细胞转录组
    • 2.2.14 研究 | 2021-单细胞水平看骨髓瘤的细胞状态和基因调控
    • 2.3.1 算法|2020-BatchBench比较scRNA批次矫正方法
    • 2.3.2 算法 | 2021-scPhere——用地球仪来展示降维结果
    • 2.3.3 算法 | 2021-单细胞差异分析方法评测
    • 2.3.4 算法 | 2021-细胞分群新方法——CNA(co-varying neighborhood analysis)
    • 2.3.5 工具 | 2018-iSEE:单细胞数据可视化辅助网页工具
    • 2.3.6 工具 | 2021-MACA: 一款自动注释细胞类型的工具
    • 2.3.7 工具 | 2021-一个很有想法的工具——Ikarus,想要在单细胞水平直接鉴定肿瘤细胞
  • 3 流程篇:分析框架
    • 3.1 质控
    • 3.2 归一化
    • 3.3 挑选表达量高变化基因
    • 3.4 降维
    • 3.5 聚类
    • 3.6 Marker/标记基因检测
    • 3.7 细胞类型注释
    • 3.8 批次效应处理
    • 3.9 多样本间差异分析
    • 3.10 检测Doublet
    • 3.11 细胞周期推断
    • 3.12 细胞轨迹推断
    • 3.13 与蛋白丰度信息结合
    • 3.14 处理大型数据
    • 3.15 不同R包数据的相互转换
  • 4 实战篇:活学活用
    • 4.1 实战一 | Smart-seq2 | 小鼠骨髓
    • 4.2 实战二 | STRT-Seq | 小鼠大脑
    • 4.3 实战三 | 10X | 未过滤的PBMC
    • 4.4 实战四 | 10X | 过滤后的PBMC
    • 4.5 实战五 | CEL-seq2 | 人胰腺细胞
    • 4.6 实战六 | CEL-seq | 人胰腺细胞
    • 4.7 实战七 | SMARTer | 人胰腺细胞
    • 4.8 实战八 | Smart-seq2 | 人胰腺细胞
    • 4.9 实战九 | 不同技术数据整合 | 人胰腺细胞
    • 4.10 实战十 | CEL-seq | 小鼠造血干细胞
    • 4.11 实战十一 | Smart-seq2 | 小鼠造血干细胞
    • 4.12 实战十二 | 10X | 小鼠嵌合体胚胎
    • 4.13 实战十三 | 10X | 小鼠乳腺上皮细胞
    • 4.14 | 实战十四 | 10X | HCA计划的38万骨髓细胞
  • 5 补充篇:开拓思路
    • 5.1 10X Genomics概述
      • 5.1.1 10X Genomics 问题集锦
    • 5.2 CellRanger篇
      • 5.2.1 CellRanger实战(一)数据下载
      • 5.2.2 CellRanger实战(二) 使用前注意事项
      • 5.2.3 CellRanger实战(三) 使用初探
      • 5.2.4 CellRanger实战(四)流程概览
      • 5.2.5 CellRanger实战(五) 理解count输出的结果
    • 5.3 Seurat的使用
      • 5.3.1 Seurat V3 | 实战之2700 PBMCs分析
      • 5.3.2 Seurat V3 | 如何改造Seurat包的DoHeatmap函数?
      • 5.3.3 scRNA的3大R包对比
      • 5.3.4 Seurat两种数据比较:integrated vs RNA assay
      • 5.3.5 seurat 的几种findmaker比较
    • 5.4 Monocle的使用
      • 5.4.1 Monocle V3实战
    • 5.5 多个数据集的整合
      • 5.5.1 使用Seurat的merge功能进行整合
      • 5.5.2 如何使用sctransform去除批次效应
由 GitBook 提供支持
在本页
  • 前言
  • 设计的初衷
  • 设计的结构
  • 实际测试
  • 使用的方法、数据
  • 评测打分工具
  • 接下来和自动细胞注释工具比较

这有帮助吗?

  1. 2 积累篇:文献阅读

2.3.6 工具 | 2021-MACA: 一款自动注释细胞类型的工具

刘小泽写于2021.10.27

上一页2.3.5 工具 | 2018-iSEE:单细胞数据可视化辅助网页工具下一页2.3.7 工具 | 2021-一个很有想法的工具——Ikarus,想要在单细胞水平直接鉴定肿瘤细胞

最后更新于3年前

这有帮助吗?

前言

题目:MACA: Marker-based automatic cell-type annotation for single cell expression data

日期:2021-10-25

期刊:biorxiv预印本

链接:

GitHub:

设计的初衷

目前细胞类型鉴定工具中,Support Vector Machine(SVM) 的准确性超过大多数监督注释方法

“Support Vector Machine” (SVM) is a supervised machine learning algorithm that can be used for both classification or regression challenges. However, it is mostly used in classification problems.

但是,由于监督注释方法在大多数单细胞数据中缺乏真实参照,所以易用性没有非监督方法好,这也是目前非监督方法占主流的原因之一。既然使用非监督方法,那么就需要人工介入,调整分群的分辨率,以及提供marker基因,这样带来的问题就是挑选marker基因耗费时间,并且重复性差(因为每个人选择的marker基因也不同)。

基于第一个问题(挑选marker基因耗费时间),有人做了数据库,专门收录这些基因,比如PanglaoDB, CellMarker涵盖了人和小鼠多种细胞类型的marker 基因;另外NeuroExpresso是大脑组织的marker基因数据库。

这个工具MACA,全称是marker-based automatic cell-type annotation,旨在解决细胞注释的速度和准确性

设计的结构

整个设计逻辑还是很容易理解的:先判断单个细胞属于什么类型,然后聚类再判断一次属于什么类型

读入数据:single cell或者single nuclei RNA-Seq的表达矩阵

对每个细胞计算2个label:

  • 首先,结合marker数据库,使用raw count表达矩阵,计算每个细胞的cell-type score =》 将 gene expression matrix转换成cell-type score matrix

  • 然后,对每个细胞分配细胞类型:将score最大的细胞类型对应到这个细胞 =》 Label 1 产生

  • 同时,利用cell-type score matrix + Louvain community detection algorithm,将细胞聚类 =》 Label 2 产生(也就是某群细胞属于什么类型)

因为一开始不知道具体有几种细胞类型,这里MACA默认将分辨率调大,避免很多同源的细胞被拆分成很多小的cluster

之后就是通过一系列统计知识,将Label1 和Label2利用起来:MACA records significant or at least the top-3 celltypes for each cell in cluster based on cell-type scores

意思就是挑出个人很能打,并且整体也很符合要求的那组

实际测试

使用的方法、数据

  • investigated 4 scoring methods that have been proposed to transform gene expression matrix to cell-type score matrix

  • 2 public marker databases

  • 6 single cell studies comprised of 3000 to 20000 cells

  • 使用Adjusted Rand Index (ARI) and Normalized Mutual Information (NMI)进行评测

ARI & NMI are measuring similarity or agreement between our annotations and authors’ annotations

评测打分工具

发现全部6个数据集中 annotations using PlinerScore with markers in PanglaoDB have the largest agreement。于是采用PlinerScore作为打分方法

接下来和自动细胞注释工具比较

利用PanglaoDB的marker,和CellAssign, SCINA, Cell-ID, and scCATCH比较

发现速度差异:

  • MACA can finish annotation within 1 minute (cells around 3,000) and less than 2 minutes for a relatively large dataset (cells up to 20,000 cells)

  • scCATCH and Cell-ID took longer than MACA

  • SCINA took around 20-minute for a large dataset

  • CellAssign took the longest time with > 20,000 cells due to lack of memory

发现注释结果差异:

  • MACA labels cells had a higher consensus than CellAssign, SCINA, Cell-ID, and scCATCH

  • 和作者的结果相似:MACA and scCATCH identify similar numbers of cell-types to author’s annotations

image-20211027151738178
https://www.biorxiv.org/content/10.1101/2021.10.25.465734v1
https://github.com/ImXman/MACA