卡卡最近接觸到了cite-seq數(shù)據(jù)，需要對(duì)cite-seq的數(shù)據(jù)分析流程進(jìn)行搭建，因此調(diào)研了相關(guān)知識(shí)。
cite-seq
CITE-seq技術(shù)是2017年發(fā)表的一種技術(shù)[1]，能夠同時(shí)測(cè)定數(shù)千個(gè)細(xì)胞的RNA轉(zhuǎn)錄本及蛋白標(biāo)記物。此技術(shù)出現(xiàn)時(shí)間較久，但是卻似乎沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)分析流程：
- 不同的文章對(duì)于cite-seq產(chǎn)生的數(shù)據(jù)的分析都沒(méi)有統(tǒng)一標(biāo)準(zhǔn)
- 查閱了大量的相關(guān)資料，最后選取muon (https://github.com/scverse/muon)軟件來(lái)進(jìn)行分析
為何選取muon流程分析cite-seq
- 此軟件由python撰寫，python是生信工作中使用廣泛的語(yǔ)言，且能夠直接對(duì)接卡卡公司的數(shù)據(jù)庫(kù)
- cite-seq技術(shù)的原始文章[1]使用了clr(centered log ratio)矯正方法對(duì)蛋白數(shù)據(jù)進(jìn)行normalize, muon也采用了此方法
- weighted Nearest Neighbor Analysis[2]用于多組學(xué)數(shù)據(jù)分析的認(rèn)可度較高，muon采用了此方法
- 多篇cite-seq文章分析流程不統(tǒng)一[3-5]，但是統(tǒng)一的觀點(diǎn)是：組學(xué)分開分析，不如多組學(xué)聯(lián)合分析[2]；而muon正是兩種組學(xué)聯(lián)合分析
- scanpy開發(fā)團(tuán)隊(duì)開發(fā)的muon[6]，且推薦使用此軟件[7-8]，并不再維護(hù)之前的scanpy分析cite-seq的流程[9]
- 此軟件能夠與scanpy兼容，且其mudata數(shù)據(jù)結(jié)構(gòu)與anndata類似，能夠同時(shí)存儲(chǔ)多維數(shù)據(jù)，明顯優(yōu)于使用單獨(dú)anndata數(shù)據(jù)結(jié)構(gòu)來(lái)存儲(chǔ)多維信息
MUON分析環(huán)境構(gòu)建
通過(guò)conda來(lái)構(gòu)建，易于重現(xiàn)
- 構(gòu)建步驟
conda create -n muon python=3.8
conda activate muon
conda install -c conda-forge anndata=0.7.8=py38h578d9bd_1
conda install -c conda-forge scanpy=1.8.2=pyhd8ed1ab_0
conda install -c conda-forge muon=0.1.2
conda install -c conda-forge leidenalg=0.9.1=py38h8dc9893_0
cite-seq流程與rna流程(seurat/scanpy)的差異
- 蛋白數(shù)據(jù)normalize方法與RNA數(shù)據(jù)不同，為CLR方法
- 降維聚類使用WNN信息，即同時(shí)利用多組學(xué)信息，結(jié)果更加優(yōu)于使用單組學(xué)進(jìn)行降維聚類
muon軟件的重點(diǎn)函數(shù)
- pt.pp.clr(prot), 用于對(duì)蛋白數(shù)據(jù)進(jìn)行normalize
#Apply the centered log ratio (CLR) transformation to normalize counts in adata.X.
# normalize across cells for each feature
# x=[1,2,3,4]
return np.log1p(x / np.exp(np.log1p(x).sum() / len(x))) # in muon
return(log1p(x = x/(exp(x = sum(log1p(x = x[x > 0]), na.rm = TRUE)/length(x = x))))) # in seurat v4.0.5
- mu.pp.neighbors+sc.tl.leiden和mu.tl.leiden的異同
在查看muon的說(shuō)明文檔時(shí)，卡卡對(duì)于mu.pp.neighbors+sc.tl.leiden和mu.tl.leiden的不同有所疑惑：
#mu.pp.neighbors + sc.tl.leiden
mu.pp.neighbors利用不同組學(xué)的neighborhood graph生成Multimodal nearest neighbor，并利用此進(jìn)行后續(xù)的leiden聚類及umap，這一步很耗內(nèi)存
mu.tl.leiden則是利用單組學(xué)分別的neighborhood graph進(jìn)行multiplex Leiden algorithm聚類[10]
因此mu.tl.leiden是聚類的時(shí)候?qū)煞N組學(xué)聯(lián)合起來(lái)，而mu.pp.neighbors則是先將兩種組學(xué)聯(lián)合起來(lái)，不僅可以用于聚類，也可以用于降維，雖然更耗內(nèi)存，但卡卡認(rèn)為更優(yōu)。
參考文獻(xiàn)
[1] Simultaneous epitope and transcriptome measurement in single cells
[2] Integrated analysis of multimodal single-cell data
[3] Single-cell transcriptomics and surface epitope detection in human brain epileptic lesions identifies pro-inflammatory signaling, 2022
[4] Physioxia induced Downregulation of Tet2 in Hematopoietic Stem Cells contributes to Enhanced Self-renewal, 2022
[5] Single-cell multiomic analysis identifies regulatory programs in mixed-phenotype acute leukemia, 2019
[6] MUON: multimodal omics analysis framework
[7] https://github.com/scverse/scanpy/pull/1117
[8] https://scanpy.readthedocs.io/en/stable/ecosystem.html
[9] https://scanpy-tutorials.readthedocs.io/en/latest/cite-seq/pbmc5k.html
[10] Community structure in time-dependent, multiscale, and multiplex networks. Science, 328(5980), 876–8
