博文

cit_gsa：包含协变量矫正功能的单细胞数据基因集分析

已有 278 次阅读 2026-10-31 15:54 |个人分类:科普|系统分类:科普集锦

cit_gsa：包含协变量矫正功能的单细胞数据基因集分析

单细胞 RNA 测序技术使得我们能够从单个细胞的层面来研究基因表达情况。与只能获取细胞平均基因表达水平的批量 RNA 测序相比，该技术具有更高的分辨率和更精确的分析结果。不过，单细胞 RNA 测序数据属于高维计数数据，其中存在大量的缺失值。同时，细胞之间也存在相互依赖性，基因之间则存在相关性。

差异表达分析技术有助于研究在不同实验条件下的基因表达变化情况，比如不同疫苗组之间的差异。为了对这类数据进行分析，人们通常使用负二项分布或零膨胀负二项分布等计数分布模型，以解释数据中的过度离散现象和缺失值问题。目前已有多种分析方法被开发出来，例如 zingeR、MAST以及 Wilcoxon 检验。为了避免对数据分布的严格假设，人们还开发了多种非参数分析方法，比如 citcdf和 distinct。

实际上，从生物学角度来看，分析基因组比分析单个基因更有意义。基因组指的是那些被认为具有相同生物学功能的基因的集合。通过研究基因组，我们能够在分析中获得更强的统计效力，从而得到更易于理解的分析结果。这些基因组数据可以来自基于现有生物学知识的通用数据库，比如 Gene Ontology、KEGG或 MSigDB。此外，也可以从基于共表达数据的特定领域数据库中获取这些数据，例如在免疫学领域中的 Blood Transcription Modules或 BloodGen3。

用于差异分析的基因集分析方法，可以根据其所检验的零假设分为两类：自包含型方法和竞争型方法。自包含型方法用于检验这样的零假设：在所研究的基因集中，没有任何基因的表达存在差异。例如，globaltest最初是为处理大规模数据而开发的。SCPA则是专门为单细胞数据设计的。竞争型方法则用于检验这样的零假设：所研究基因集中的基因，其表达差异并不大于研究中其他基因的差异。例如，GSEA和超几何检验是最常用的方法，它们最初是为处理大规模数据而开发的。而 TWO-SIGMA-G和 iDEA则是专门为单细胞数据设计的。已经有人对各种封闭式方法和竞争式方法进行了比较研究。Goeman 和 Bühlmann指出应该使用独立的方法，因为它们提供了更多统计意义上的可解释结果。Fallet等人最近引入了 cit_gsa（https://cran.r-project.org/package=citcdf），这是一种独立的基因集分析方法，允许比较两个以上的条件，包括连续变量，同时调整协变量。与现有的单细胞方法不同，该方法在一个步骤中结合了基因级 DEA 和基因集富集。在描述 cit_gsa后，在模拟数据上与竞争方法进行了数值比较。然后，将cit_gsa 应用于树突状细胞数据，以证明调整协变量的能力可以影响分析结果并提供额外的生物学见解。

参考文献

[1] Sara Fallet, Véronique Godot, Pierre Neuvial, Boris P Hejblum. cit_gsa: gene set analysis for scRNA-seq with covariate adjustment bioRxiv 2026.10.13.758831; doi: https://doi.org/10.64898/2026.10.13.758831

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