我們知道在單細胞轉(zhuǎn)錄組數(shù)據(jù)分析的下游，在我們走過了fig1（通常是個圖譜）之后，往往要沿著基因這條路深挖一下生物學意義。從bulk轉(zhuǎn)錄組數(shù)據(jù)中提取功能和機制的洞察力的功能分析工具已經(jīng)被開發(fā)出來。隨著單細胞RNA測序(scRNA-seq)的出現(xiàn)，原則上可以對單細胞進行同樣的分析。然而，scRNA-seq數(shù)據(jù)具有drop-out事件和低庫大小等特征。因此，尚不清楚為bulk 測序建立的功能性TF和通路分析工具能否有意義地應(yīng)用于scRNA-seq。
bulk RNA TF 分析工具有DoRothEA, PROGENy, and GO gene sets analyzed with GSEA (GO-GSEA)。專為單細胞應(yīng)用而設(shè)計的功能分析工具有SCENIC, AUCell結(jié)合DoRothEA (D-AUCell)和子代(P-AUCell)基因集，以及metaVIPER。
DoRothEA 和PROGENy 雖然是為bulk 設(shè)計的，但是總體表現(xiàn)很好。文章分析表明，使用手動的足跡基因集的基于bulk的功能分析工具可以應(yīng)用于scRNA-seq數(shù)據(jù)，部分優(yōu)于專用的單細胞工具。此外，我們發(fā)現(xiàn)功能分析工具的性能對基因集比對所使用的統(tǒng)計數(shù)據(jù)更敏感。所以能碼得一個好的基因集是多么重要。
Application of TF and pathway analysis tools on a representative scRNA-seq dataset of PBMCs and HEK cells.
文章代碼在：https://github.com/saezlab/FootprintMethods_on_scRNAseq
