单细胞 RNA 测序填补方法基准比较中的问题
应用统计
2019-08-21 v1 基因组学
定量方法
摘要
2018 年 6 月 25 日，Huang 等人在 Nature Methods 上发表了一种计算方法 SAVER，用于填补单细胞 RNA 测序（scRNA-seq）数据中的 dropout 基因表达水平。Huang 等人进行了一系列全面的基准分析，包括与 RNA 荧光原位杂交数据比较，以证明 SAVER 优于两种已有的 scRNA-seq 填补方法 scImpute 和 MAGIC。然而，他们的计算分析基于作者依据 SAVER 方法中所用 Poisson-Gamma 模型生成的半合成数据。因此我们重新检视了 Huang 等人的研究。我们发现该半合成数据与真实 scRNA-seq 数据的性质非常不同，且用于基准比较的细胞聚类与生物学家标注的细胞类型不一致。我们表明，基于真实 scRNA-seq 数据并立足于细胞类型的生物学知识所进行的重新分析，得出了与 Huang 等人不同的结果与结论。
引用
@article{arxiv.1908.07084,
title = {Issues arising from benchmarking single-cell RNA sequencing imputation methods},
author = {Wei Vivian Li and Jingyi Jessica Li},
journal= {arXiv preprint arXiv:1908.07084},
year = {2019}
}
备注
5 pages