中國(guó)工程院食品安全院士團(tuán)隊(duì)

科研成果轉(zhuǎn)化平臺(tái)

單細(xì)胞技術(shù)的發(fā)展使得研究者能夠深入探索細(xì)胞異質(zhì)性，識(shí)別和表征不同的細(xì)胞群體。然而，現(xiàn)有的聚類工具大多缺乏對(duì)聚類結(jié)果的統(tǒng)計(jì)推斷測(cè)試，容易導(dǎo)致過度聚類或聚類不足，進(jìn)而影響對(duì)細(xì)胞類型的準(zhǔn)確識(shí)別。

美國(guó)Gladstone研究所的研究團(tuán)隊(duì)開發(fā)了一種名為CHOIR（Clustering Hierarchy Optimization by Iterative Random Forests）的新型算法，通過整合隨機(jī)森林分類器和排列測(cè)試，顯著提高了單細(xì)胞數(shù)據(jù)中細(xì)胞類型和狀態(tài)識(shí)別的準(zhǔn)確性與可靠性。

研究?jī)?nèi)容

圖 1 通過統(tǒng)計(jì)推斷進(jìn)行排列測(cè)試的CHOIR層次聚類算法示意圖

CHOIR的核心優(yōu)勢(shì)在于其統(tǒng)計(jì)推斷框架。算法通過構(gòu)建層次聚類樹，利用隨機(jī)森林分類器評(píng)估每個(gè)聚類的區(qū)分能力，并通過排列測(cè)試驗(yàn)證聚類的統(tǒng)計(jì)學(xué)顯著性（圖1a）。若兩個(gè)相鄰聚類無(wú)法通過隨機(jī)分類器區(qū)分，則合并為一個(gè)聚類；反之則保留獨(dú)立。這種“自頂向下構(gòu)建樹+自底向上修剪樹”的策略，確保了聚類結(jié)果既不過度分割（過聚類）也不遺漏差異（欠聚類）（圖1b）。

此外，CHOIR可無(wú)縫集成多模態(tài)數(shù)據(jù)（如RNA-seq、ATAC-seq、空間轉(zhuǎn)錄組等），通過聯(lián)合特征分析增強(qiáng)聚類的生物學(xué)意義，適用于跨技術(shù)平臺(tái)的單細(xì)胞研究。

研究團(tuán)隊(duì)在100個(gè)模擬數(shù)據(jù)集和4個(gè)真實(shí)數(shù)據(jù)集（涵蓋癌癥細(xì)胞系、小鼠胚胎發(fā)育等場(chǎng)景）中對(duì)CHOIR進(jìn)行了全面驗(yàn)證。

圖 2 15種聚類方法在100個(gè)模擬數(shù)據(jù)集中的應(yīng)用

在包含1至20個(gè)細(xì)胞群體的復(fù)雜場(chǎng)景中，CHOIR的調(diào)整蘭德指數(shù)（ARI）表現(xiàn)優(yōu)于1種現(xiàn)有方法（圖2a-c）。在單群體數(shù)據(jù)中，僅CHOIR等3種方法避免了過聚類（圖2d-f）。

圖 3 CHOIR在混合癌細(xì)胞系數(shù)據(jù)中的聚類性能

圖3通過一系列UMAP嵌入圖展示了CHOIR在包含48,879個(gè)細(xì)胞的混合癌細(xì)胞系單細(xì)胞RNA測(cè)序數(shù)據(jù)中的聚類性能。CHOIR成功區(qū)分了所有190種細(xì)胞系，而其他聚類方法（如Cytocipher、GiniClust3、SCCAF、sc-SHC和Seurat）存在聚類不足的問題。通過聚類準(zhǔn)確度的熵值分析進(jìn)一步證實(shí)了CHOIR在防止聚類不足方面的優(yōu)勢(shì)。此外，通過獨(dú)立數(shù)據(jù)集的驗(yàn)證，CHOIR不僅能夠準(zhǔn)確識(shí)別細(xì)胞系，還能區(qū)分細(xì)胞系內(nèi)的不同狀態(tài)，如增殖和非增殖細(xì)胞，展現(xiàn)了其在單細(xì)胞數(shù)據(jù)分析中的高效性和準(zhǔn)確性。

圖 4 CHOIR利用多組學(xué)數(shù)據(jù)驗(yàn)證細(xì)胞簇的性能

圖4利用Hao等人2021年的CITE-seq數(shù)據(jù)集，通過多組學(xué)分析展示了CHOIR在正交驗(yàn)證細(xì)胞簇識(shí)別方面的優(yōu)勢(shì)。堆疊條形圖（a）顯示，CHOIR是唯一在所有50對(duì)最近細(xì)胞簇比較中均發(fā)現(xiàn)差異表達(dá)蛋白的方法，表明其在避免過度聚類方面表現(xiàn)優(yōu)異。點(diǎn)圖（b）進(jìn)一步證實(shí)了CHOIR在最大化細(xì)胞簇?cái)?shù)量的同時(shí)避免過度聚類的能力。UMAP嵌入圖（c）展示了CHOIR識(shí)別的23個(gè)細(xì)胞簇，而圖（d-e）通過幼稚T細(xì)胞標(biāo)記物CCR7和樹突狀細(xì)胞標(biāo)記物CLEC9A的表達(dá)水平對(duì)這些細(xì)胞簇進(jìn)行了驗(yàn)證，證明CHOIR能夠準(zhǔn)確區(qū)分不同的細(xì)胞類型和狀態(tài)。

此外，在小鼠胚胎發(fā)育空間轉(zhuǎn)錄組數(shù)據(jù)中，CHOIR準(zhǔn)確劃分了心臟（心肌細(xì)胞、內(nèi)皮細(xì)胞）和大腦（丘腦神經(jīng)元、神經(jīng)祖細(xì)胞）等解剖學(xué)特異性細(xì)胞群，而其他方法存在或遺漏或過度分割的情況。

CHOIR的自動(dòng)化、無(wú)參數(shù)依賴特性顯著減少了手動(dòng)優(yōu)化時(shí)間，其提供的特征重要性分析還可輔助聚類注釋。研究團(tuán)隊(duì)表示，CHOIR為單細(xì)胞數(shù)據(jù)分析提供了更可靠的“終端聚類”結(jié)果，適用于基礎(chǔ)研究和臨床應(yīng)用（如腫瘤異質(zhì)性分析、發(fā)育生物學(xué)研究）。未來(lái)，該算法可進(jìn)一步擴(kuò)展至大規(guī)模單細(xì)胞數(shù)據(jù)及多組學(xué)整合分析。

原文鏈接：https://doi.org/10.1101/2024.01.18.576317

來(lái)源：微生物安全與健康網(wǎng)，作者~梁冬雪。