scDETECT：一种考虑细胞类型相关性的单细胞RNA-seq差异表达分析新型统计模型

《Briefings in Bioinformatics》：scDETECT: a novel statistical model accounting for cell type correlation in single-cell RNA-seq differential expression analysis

本研究针对单细胞RNA测序（scRNA-seq）差异表达（DE）分析中忽视细胞类型间相关性导致准确性和统计功效低的问题，开发了基于贝叶斯层次模型的新型统计方法scDETECT。该方法通过构建细胞类型层次树表征DE状态相关性，利用后验概率识别DE基因。实验表明，scDETECT显著提升DE检测精度，尤其对低丰度细胞类型效果显著，为复杂疾病机制研究提供新工具。

　　

在生命科学领域，单细胞RNA测序（scRNA-seq）技术如同一位高倍显微镜，让研究人员能够以前所未有的分辨率观察细胞间的异质性。差异表达（differential expression, DE）分析作为该技术的核心分析手段，旨在识别不同生物条件（如健康与疾病）下表达水平发生显著变化的基因。然而，当前分析方法存在一个被长期忽视的漏洞：细胞类型之间并非孤立存在，它们因发育同源或功能协同而具有相似性，这种相似性同样体现在它们的DE状态上。例如，CD4⁺T细胞、CD8⁺T细胞和巨噬细胞在免疫应答中常表现出协调的基因表达变化。现有方法如DESeq2、MAST等虽各具特色，却均独立分析每个细胞类型，割裂了这种内在关联，导致检测准确性受限，尤其对细胞数量少的类型统计功效不足。

为破解这一难题，深圳先进技术大学吴浩团队与绍兴大学张伟伟等开发了scDETECT（single cell Differential Expression TEst with Cell Type correlation）。这一新型统计模型创新性地将细胞类型相关性纳入DE分析框架，通过贝叶斯层次模型整合先验知识，显著提升检测效能。该研究发表于生物信息学权威期刊《Briefings in Bioinformatics》，为单细胞数据分析提供了更强大的工具。

研究团队采用四大关键技术：首先通过伪批量（pseudo-bulk）数据生成将单细胞表达量聚合为细胞类型-样本矩阵并进行对数标准化；其次基于DESeq2检验统计量构建细胞类型层次树，量化DE状态相关性；进而建立贝叶斯层次先验模型，刻画节点DE状态的条件概率；最终通过后验概率计算判定DE基因。模型参数采用普通最小二乘和最大似然估计。

细胞类型DE状态相关性验证

基于COVID-19患者外周血单细胞数据（GEO: GSE158055）的分析显示，8种免疫细胞类型的DE检验统计量间存在显著正相关（图1）。CD4⁺T细胞、CD8⁺T细胞与B细胞间相关系数超0.8，证实DE状态存在层次化关联结构，为模型构建提供生物学依据。

仿真实验验证性能优势

通过模拟6种细胞类型（NK、B、CD4⁺T、CD8⁺T、单核细胞、树突状细胞）的13,653个基因表达数据，比较scDETECT与DESeq2、t检验、Seurat-MAST的性能。scDETECT在精确召回曲线（PR曲线）下面积（AUC）全面领先（表1），尤其对低比例细胞类型（如DC细胞AUC从0.333提升至0.381）。错误发现率（FDR）控制方面，scDETECT与DESeq2均保持接近零的保守水平，显著优于t检验（FDR>0.4）和MAST。

层次结构误设鲁棒性测试

通过四种不同相关性场景的仿真表明，当细胞类型完全独立时scDETECT无优势，但存在相关性时改善显著。即使层次树误设，方法仍保持稳健，仅当细胞类型被误聚类至低比例类型群时性能出现波动。

真实数据生物学验证

在COVID-19和系统性红斑狼疮（SLE）数据（GEO: GSE96583）中，scDETECT与DESeq2检测结果重叠度高（最高87%），而t检验与MAST独有基因较多。置换实验证实scDETECT的I类错误控制最佳，其检测基因在样本量缩减时重叠率更高。富集分析显示，scDETECT特有基因显著关联剪接体（Spliceosome）、mRNA监视等通路，更精准反映SARS-CoV-2免疫逃逸机制；DESeq2特有基因则多富集于帕金森病等间接相关通路。

研究结论强调，scDETECT通过建模细胞类型DE状态相关性，实现信息共享，提升检测精度且控制假阳性。其层次先验框架可扩展至连续型协变量检验及空间转录组学等场景。该工作将生物学背景融入统计工具，为群体级单细胞研究提供新范式。