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

刘小泽写于2021.10.28

前言

题目:Identifying tumor cells at the single cell level

日期:2021-10-25

期刊:biorxiv预印本

链接:https://www.biorxiv.org/content/10.1101/2021.10.15.463909v2

代码: https://github.com/BIMSBbioinfo/ikarus

图表复现: https://github.com/BIMSBbioinfo/ikarus---auxiliary

设计初衷

目前主要有三类细胞注释工具:

  • manifold matching software:aligns the shape of an unlabeled dataset to an expertly labeled dataset

  • deep learning based tools:model the batch effects through latent space embedding

  • gene set based classifiers:使用已知的marker辅助分类

目前使用最多的应该是使用marker gene辅助

作者提出一个问题:能否做出一个分类器(重点就是选出一系列基因),可以直接从一群细胞中区分出tumor和normal?这样可以帮助肿瘤抗原的自动预测,帮助检查肿瘤细胞状态,还可以帮助诊断病理组织

设计思路

Ikarus工具为了检查肿瘤细胞,设计了2步:

  • 首先还是根据比较靠谱的,经过专家审核的单细胞数据集,从中找到一些共有的肿瘤细胞基因signature

  • 构建逻辑回归分类器 + network-based propagation of cell labels using a custom built cell-cell network

作者先整合了结直肠癌+肺癌的10X数据,其中数据注释了细胞是否是癌细胞。接下来寻找癌细胞相关的marker gene:

  • 每个数据差异分析,然后取交集(但是不同癌症的marker基因直接取交集是否有意义呢?那些特异性的gene岂不是被抛弃?)=> 得到162 个交集基因集

  • 同理选出正常组织的marker基因,它包含两部分:cell type specific markers & genes which are specifically depleted in the tumor cells

验证

找几个数据集验证一下tumor和normal 各自的基因集,找了5种癌症类型的patient-derived xenograft (PDX)、cancer cell line encyclopedia (CCLE),发现 tumor signature score was significantly higher than the normal signature score

用几个测试数据集比较了不同方法区分tumor和normal细胞,包括标准的机器学习(SVM, random forest, and logistic regression)、SingleCellNet、ACTINN。发现Ikarus的平均准确度可以达到0.98(A图),并且AUROC也很高

使用Lambrechts lung cancer dataset(图DE),看到Ikarus也能基本得到和作者一样的肿瘤细胞分布

测试一下如果没有足够的基因,或者缺少某几个关键基因,Ikarus还能预测准确吗

  • 图A:当然,使用的tumor gene 数量越多越准确

  • 图B-D:当缺少serum amyloid A (SAA1) 和fibrinogen beta chain (FGB),会导致准确度大大降低(也就是说这个工具还是很依赖关键的marker gene的,因此前期还是要筛选合适的marker基因作为输入);当然作者说只在Lambrechts这个数据集中发现了这个情况,其他没发现

作者认为自己的signature找的很有效,于是看看它们具体有哪些特性

发现了

  • 在各个数据中,这些基因之间的Pearson相关性竟然大部分接近0

  • tumor gene signature is partially related to cell cycle, and DNA replication(C图)

  • tumor gene signature preferentially overlapped with the cell cycle hallmark(D图)

看一下筛出来的基因集和预后的联系

  • more than 75% of tumor signature genes are predictive of unfavourable prognosis in at least one cancer type

  • 在5种癌症中(liver, renal, pancreatic, lung and endometrial)这个基因集对预后不利

  • 与CNV: significantly higher overlap with the known CNV regions in the majority of profiled cancer types

最后更新于