為何選擇COSG

對(duì)于單細(xì)胞數(shù)據(jù)的分析，細(xì)胞類(lèi)型注釋永遠(yuǎn)都是重中之重，細(xì)胞注釋不對(duì)，那一切等于白費(fèi)。近些年，眾多生物信息工作者著重開(kāi)發(fā)單細(xì)胞細(xì)胞類(lèi)型注釋的工具，但想要精準(zhǔn)識(shí)別細(xì)胞類(lèi)型仍然是相當(dāng)困難的。今天Immugent就來(lái)給大家介紹一款新的非常輕便的細(xì)胞注釋軟件：COSG工具，是于2022年3月在線(xiàn)發(fā)表于 Brief Bioinformatics ：Accurate and fast cell marker gene identification with COSG這篇文章上，COSG有Python和R版本，這意味著無(wú)論是 Seurat 還是 Scanpy 使用者都可以使用這個(gè)工具。小編感嘆！！！

image.png

為何細(xì)胞類(lèi)型注釋困難？

目前各種單細(xì)胞技術(shù)的廣泛應(yīng)用，讓精準(zhǔn)去分細(xì)胞類(lèi)型顯得尤為重要。常規(guī)細(xì)胞注釋使用細(xì)胞標(biāo)記基因鑒定的常用方法通常依賴(lài)于統(tǒng)計(jì)檢驗(yàn)來(lái)尋找在數(shù)據(jù)集中感興趣的細(xì)胞和所有其他細(xì)胞之間有差異表達(dá)的基因。然而，由于統(tǒng)計(jì)檢驗(yàn)傾向于識(shí)別兩組之間具有系統(tǒng)差異的候選基因，當(dāng)將一種類(lèi)型的細(xì)胞（靶細(xì)胞）與多種其他類(lèi)型的細(xì)胞（非靶細(xì)胞）進(jìn)行比較時(shí)，通過(guò)統(tǒng)計(jì)方法選擇的頂級(jí)差異表達(dá)基因可能不是真正的細(xì)胞標(biāo)記物。而且在很多疾病狀態(tài)下，如腫瘤組織中，有很多的免疫細(xì)胞和基質(zhì)細(xì)胞類(lèi)型（如下圖），這對(duì)準(zhǔn)確的進(jìn)行細(xì)胞注釋無(wú)疑是巨大挑戰(zhàn)。

image.png

目前來(lái)說(shuō)，我們大多數(shù)的單細(xì)胞分析方法（和Seurat和Scanpy）中尋找差異基因的方法都是基于統(tǒng)計(jì)方法計(jì)算歐氏距離的。因此我們?cè)谧黾?xì)胞注釋的時(shí)候經(jīng)常會(huì)發(fā)現(xiàn)，差異基因并不能作為細(xì)胞的marker進(jìn)行細(xì)胞注釋?zhuān)榱私鉀Q上述統(tǒng)計(jì)方法帶來(lái)的問(wèn)題，就要來(lái)介紹介紹基于COSine相似性的標(biāo)記基因識(shí)別（COSG），這是一種以更準(zhǔn)確和更快的速度識(shí)別細(xì)胞標(biāo)記基因的方法。

image.png

為什么要叫COSG呢？

簡(jiǎn)單來(lái)說(shuō)，COSG呢就是咱們數(shù)學(xué)里面經(jīng)常用到的COSine啦，那選擇COSine為什么適用于marker基因的識(shí)別呢？理論知識(shí)說(shuō)起來(lái)！余弦相似度利用向量空間中向量之間的夾角的余弦值來(lái)度量?jī)蓚€(gè)n維向量之間的關(guān)系。與測(cè)量?jī)蓚€(gè)向量之間位置差異的歐氏距離不同，余弦相似度比較兩個(gè)向量的方向，這意味著如果兩個(gè)基因具有相同的表達(dá)模式，但一組細(xì)胞之間的表達(dá)豐度尺度不同，余弦相似度分析認(rèn)為它們是等效的。余弦值不依賴(lài)于向量的模，在單細(xì)胞分析的背景下就是不依賴(lài)于基因的表達(dá)量，而依賴(lài)于基因的表達(dá)模式。因此，余弦相似性是與表達(dá)規(guī)模無(wú)關(guān)的，對(duì)于識(shí)別靶細(xì)胞中特異性表達(dá)的基因應(yīng)該更加敏感。說(shuō)完以后大部分人可能還是一臉懵。不過(guò)沒(méi)關(guān)系，了解一下，咱們會(huì)用也是可以的呀！

COSG工作原理

image.png

COSG旨在為預(yù)先分類(lèi)的細(xì)胞群識(shí)別適當(dāng)?shù)膍arker基因。COSG的輸入數(shù)據(jù)應(yīng)該首先通過(guò)其他方法進(jìn)行歸一化。歸一化后，COSG生成基因表達(dá)矩陣，進(jìn)行聚類(lèi)分群?；诂F(xiàn)有的分群情況，COSG首先對(duì)每個(gè)細(xì)胞類(lèi)群鑒定出一個(gè)marker gene，這個(gè)基因的表達(dá)特征是：只在目標(biāo)細(xì)胞類(lèi)群中表達(dá)，且不在其它任何一個(gè)細(xì)胞類(lèi)群中有表達(dá)，這個(gè)基因就是每個(gè)細(xì)胞類(lèi)群最理想的基因marker了。假設(shè)一共有k個(gè)細(xì)胞，那么每個(gè)基因的表達(dá)情況就是一個(gè)k維的向量（在每個(gè)細(xì)胞中的表達(dá)量作為一個(gè)維度），那么對(duì)于每個(gè)基因和每個(gè)細(xì)胞類(lèi)群，COSG會(huì)計(jì)算該基因在目標(biāo)細(xì)胞類(lèi)群中與該目標(biāo)類(lèi)群marker gene的表達(dá)向量之間的夾角；再計(jì)算該基因在其它細(xì)胞類(lèi)群中與其它細(xì)胞類(lèi)群的marker gene的表達(dá)向量之間的夾角。最終鑒定出來(lái)的目標(biāo)細(xì)胞類(lèi)群的基因marker應(yīng)該有如下特征：與目標(biāo)細(xì)胞類(lèi)群的marker gene表達(dá)向量之間的夾角越小越好（即有相似的表達(dá)模式）而與其它細(xì)胞類(lèi)群的marker gene表達(dá)向量之間的夾角越大越好（即有相反的表達(dá)模式）。接下來(lái)文章，將COSG在單細(xì)胞轉(zhuǎn)錄組等數(shù)據(jù)上進(jìn)行了驗(yàn)證，這部分大家可以參考一下原文進(jìn)行了解哦！

討論

余弦相似度的COSG算法，其核心思想是通過(guò)比較基因在n維細(xì)胞空間的向量夾角大小來(lái)描述基因在所有細(xì)胞中表達(dá)模式的相似性，具有更高的準(zhǔn)確性和更高的細(xì)胞類(lèi)型特異性，并且COSG可以作為一種跨不同數(shù)據(jù)模式的細(xì)胞標(biāo)記基因識(shí)別的通用方法，能應(yīng)用于大規(guī)模數(shù)據(jù)集，相比于其他現(xiàn)有方法在準(zhǔn)確性和計(jì)算效率上具有明顯優(yōu)勢(shì)。