Automatic cell type identification methods for single-cell RNA sequencing

任务描述

Xie B et al(2021)描述了一个unlabel rate以及肿瘤相关的specificity和sensitivity，具体来说是评估一个模型能不能预测unlabel cell type以及，当用正常组织细胞训练，对预测肿瘤细胞做预测，将unlabel的预测结果看作是恶性细胞。

工具比较

关于上述任务，在Tabula Muris lung data数据集上评估，clustifyr有最高的specificity和sensitivity，但是在正常lung data上表现（F1 score）不是最好的。因为有一些方法不预测unlabel，所以不做这个评估。在正常组织中表现很好的CellFishing.jl在肿瘤评估中不行

我的实验

首先对cell-blast和clustifyr做测试，超算上的路径为/lustre/home/acct-medcyn/medcyn-user9/ygWork/scRNA/cell_anno

小结

将unlabel的结果视作恶性细胞是否合理；

Probabilistic cell-type assignment of single-cell RNA-seq for tumor microenvironment profiling

概率模型的核心应该是如何评估marker基因在细胞中的overexpress
模拟数据是怎么做的，还模拟出了差异表达程度(0.05-0.45)
Fig2f什么意思

scmap

title: scmap: projection of single-cell RNA-seq data across data sets
将数据投影到参考数据集上以注释细胞类型。任务目标就是把一个新细胞c比对到参考数据的某一个最相似的cluster上或者某一个细胞上，对应两个方法。
_Conceptually, such projections are similar to the popular BLAST2 method, which quickly finds the closest match in a database of nucleotide or amino acid sequences._

方法

scmap-cluster

搜索一个最相似的cluster到细胞c

cluster用质心来表示，即cluster内的所有细胞每个基因的中位数构成的一个向量，然后计算和细胞c之间的相似度
使用无监督学习选取最相关的部分基因来计算相似度；（文中说这样就可以克服批次效应）
上述特征选取使用三种不同的策略：随机、高频突变基因（HVGs）、genes with a higher number of dropouts (zero expression) than expected (determined using M3Drop)）
相似度计算：cosine similarity 、 Pearson 和 Spearman correlations，至少两个大于0.7，否则为unassigned

scmap-cell

搜索一个最相似的细胞到细胞c

因为细胞数量很大，上面cluster的直接最近邻的方法不能用，为了加速最近邻细胞搜索，使用quantizer近似加速；
和上面一样做了特征选择
近似最近邻搜索，只用cosine similarity来分一个细胞的k近邻，只有当3-NN是相同的细胞类型且最大的相似度大于0.5则认为此细胞是assigned

实验验证

使用17个公开数据集
评估方法：Cohen’s κ (ref. 6)，预测结果一致性指标，如果值为1表示预测的细胞类型和原始的完全一致

self-projection

We randomly selected 70% of the cells from the original sample for the reference, and projected the remaining 30%, with clusters as defined by the original authors.
为了评估特征选择方法好坏
最后结论就是dropout-based的特征选择方法表现最好。令人奇怪的是有些随机选择的表现比HVG方法强。
然后使用RF和SVM做监督学习分类细胞，在三种特征选择的方法上均略好于scmap cluster/cell

positive controls

we considered seven pairs of data sets that we expected to correspond well on the basis of similar sample origins.

negative controls

we projected data sets with origins not related to the reference (e.g., retina onto pancreas

CellFishing.jl

速度、准确

workflow

digital gene expression (DGE) matrix

首先用reference cells的表达量构建一个搜索数据库，然后用相似表达模式来查询细胞。

preprocess

由五步组成：

feature (gene) selection
cell-wise normalization
variance stabilization
feature standardization
dimensionality reduction
hash
index

数据集

Cell Blast

使用参考单细胞转录组数据训练一个非监督模型，可以把高维转录空间映射到低维细胞embedding空间，并且使用adversarial alignment的方法校正intra-reference batch effect

然后在query data的时候，cell blast用预训练好的非监督模型把单个query cell映射成embedding，然后利用在低维空间的后验分布（which characterizes the uncertainty of cell embeddings）去估计cell2cell的相似度

这里没有直接拿cell embedding去和reference做相似度

ACA

基于公开的单细胞测序数据集，高质量、统一、高分辨率细胞类型描述，总共包含2989582个细胞。横跨8个物种5个whole-organism atlases覆盖27种器官。上面用的模型就是在整个ACA上训练的。Notably, we found that the model works well in most cases with minimal hyperparameter tuning (cell-embedding visualizations, self-projection coverage and accuracy available on our website, Supplementary Fig. 18b).好像制作了self-projection来评估？

Deep generative model embedding of single-cell RNA-Seq profiles on hyperspheres and hyperbolic spaces

Efficient and precise single-cell reference atlas mapping with Symphony

参考文献

Xie B, Jiang Q, Mora A, et al. Automatic cell type identification methods for single-cell RNA sequencing[J]. Computational and Structural Biotechnology Journal, 2021.

Fu R, Gillen AE, Sheridan RM, Tian C, Daya M, Hao Y, Hesselberth JR, Riemondy KA. clustifyr: an R package for automated single-cell RNA sequencing cluster classification. F1000Res. 2020 Apr 1;9:223. doi: 10.12688/f1000research.22969.2. PMID: 32765839; PMCID: PMC7383722.

Sato K, Tsuyuzaki K, Shimizu K, Nikaido I. CellFishing.jl: an ultrafast and scalable cell search method for single-cell RNA sequencing. Genome Biol. 2019 Feb 11;20(1):31. doi: 10.1186/s13059-019-1639-x. PMID: 30744683; PMCID: PMC6371477.