面向单细胞与 Bulk RNA 测序数据的统一统计框架
应用统计
2019-04-16 v3
摘要
技术的最新进展使得测量单个细胞的 RNA 水平成为可能。与传统的组织水平 bulk RNA-seq 数据相比，单细胞测序为不同细胞类型的基因表达谱提供了有价值的见解，这对于理解许多复杂的人类疾病可能至关重要。然而，由于高水平的技术噪声，特别是“dropout”事件，为此类数据开发定量工具仍然具有挑战性。当某个基因的 RNA 在测序前未能被扩增时，就会发生“dropout”，从而在观测数据中产生一个“假”零。在本文中，我们提出了一种适用于单细胞和 bulk RNA-seq 数据的统一 RNA 测序模型 (URSM)，其被表述为一个分层模型。URSM 借鉴了两个数据源的信息，并仔细建模了单细胞数据中的 dropout，从而更准确地估计细胞类型特异性的基因表达谱。此外，URSM 自然地提供了对单细胞数据中需要进行插补以供下游分析的 dropout 条目的推断，以及 bulk 样本中不同细胞类型的混合比例的推断。我们采用了经验贝叶斯方法，其中参数使用 EM 算法进行估计，并通过 Gibbs 抽样获得近似推断。模拟结果表明，URSM 在校正单细胞数据中的 dropout 以及解卷积 bulk 样本方面均优于现有方法。我们还展示了对胎儿大脑基因表达数据的应用，其中我们的模型成功地插补了 dropout 基因并揭示了细胞类型特异性的表达模式。
引用
@article{arxiv.1609.08028,
title = {A Unified Statistical Framework for Single Cell and Bulk RNA Sequencing Data},
author = {Lingxue Zhu and Jing Lei and Bernie Devlin and Kathryn Roeder},
journal= {arXiv preprint arXiv:1609.08028},
year = {2019}
}