博文

CSOA：单细胞基因集富集分析方法基准测试

已有 518 次阅读 2026-8-8 11:50 |个人分类:科普|系统分类:科普集锦

CSOA：单细胞基因集富集分析方法基准测试

单细胞基因集富集分析 (scGSEA) 已被广泛用于识别单细胞 RNA 测序 (scRNA-seq) 数据中丰富的生物学功能。通常，基因集代表生物信号，例如细胞类型、生物过程或信号通路，使 scGSEA 方法能够在单细胞分辨率下评估功能模块的富集情况。最初，scGSEA 方法改编自为批量 RNA-seq 数据开发的工具。最近，scGSEA 方法专门针对 scRNA-seq 数据开发，以更好地处理高丢失率和技术噪声，同时还为大量细胞提供更大的可扩展性。

尽管取得了这些进步，但仍然存在一些挑战，特别是在有效地对输入基因集中的基因进行优先级排序方面。由于并非所有基因对表征生物信号的贡献均等，因此理想的 scGSEA 方法应自动推断每个基因的相对重要性，而不依赖于明确的先验权重。另一个关键挑战是实现富含生物信号的细胞和背景细胞之间的清晰分离。现有的 scGSEA 方法通常无法将生物信号评分高的细胞与评分低的细胞清楚地区分开。相反，它们产生暗示混合或过渡群体的中间分数，使得难以稳健地识别以强生物信号为特征的细胞。

最近，Stoica等人提出了细胞集重叠分析 (CSOA，图1，https://github.com/andrei-stoica26/CSOA)，这是一种旨在解决这些挑战的新型 scGSEA 方法。与聚合基因表达值的传统方法不同，CSOA 利用为每个特征基因构建的高表达细胞集之间的成对重叠。具体来说，对于每个基因，CSOA 识别高表达的细胞，然后计算这些细胞集之间的成对重叠，以计算富集分数。基于重叠的方法自然地捕获基因共表达模式，同时根据基因的区分能力自动权衡基因。 CSOA 的一个关键特征是成对重叠足以实现出色的性能，同时避免高阶重叠带来的计算负担。

图1 CSOA 概述。CSOA包括六个主要步骤：（1）构建每个特征基因的高表达细胞集。 (2) 使用超几何检验对成对细胞集重叠进行统计评估。 (3) 根据调整后的 p 值和共享细胞比率对重叠进行排序。 (4)通过将从1到0对数递减的值分配给聚合排名来计算重叠权重。 (5)通过将重叠权重乘以两个相关基因的最小-最大标准化表达来计算每个细胞的基因对得分。 (6)通过将每个细胞的所有基因对得分相加并对这些得分进行最小-最大归一化来构建CSOA得分

将 CSOA 与跨越 5 个方法类别的 16 种既定方法进行了基准测试：直接评分（AddModuleScore、SiPSiC和 Zscore）、基于排名的评分（AUCell、GSVA、JASMINE、Singscore、ssGSEA和 UCell ）、基于模型的评分（MDT、MLM、ULM和VAM ）、矩阵分解（Pagoda2和PLAGE）和过度表示分析（ORA ）。系统地评估了所有方法在三个互补维度上的性能：类别边界确定、马修斯相关系数（MCC）和全局排名一致性。还评估了每种方法的计算时间和内存使用情况。与竞争方法相比，CSOA 表现出卓越的准确性，同时显着提高了计算速度和内存效率。

参考文献

[1] Andrei-Florian Stoica, Kejun Yao, Jie Wang, Xueli Xu. CSOA: A Novel Single-Cell Gene Set Enrichment Analysis Method with Comprehensive Benchmarking bioRxiv 2026.07.16.738892; doi: https://doi.org/10.64898/2026.07.16.738892

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC