拼接已剪接与未剪接转录本特征以揭示单细胞RNA测序中的额外潜在结构

《Bioinformatics Advances》：Joint representation of spliced and unspliced RNA expands information content in single-cell expression data

　　

摘要

研究动机

单细胞RNA测序可同时捕获成熟（已剪接）和新生（未剪接）转录本，然而标准预处理流程将这些信号合并为单一表达矩阵，掩盖了可恢复的潜在结构，并在下游分析中引入了剪接依赖性的人工假象。我们提出：将已剪接和未剪接计数作为独立特征集处理，能否增加无监督降维中可恢复的潜在结构？

结果

在四个数据集中，我们对仅含已剪接、仅含未剪接、加和以及拼接表示分别应用了非负矩阵分解，并通过交叉验证估计可揭示的秩——即在留出集误差接近最优时所能达到的最大稳定秩。在所有四个数据集中，拼接表示均优于加和表示；在四个数据集中的三个中，拼接表示还超越了单一模态输入，这表明保留剪接状态能够揭示超越单一模态或其加和之外的额外稳定潜在程序。由已剪接和未剪接分别推导出的因子之间重叠极少，对应于与稳态和新生活性互补一致的模态特异性基因集富集。这些结果确立了剪接状态作为信息性变异轴的地位，并支持将已剪接和未剪接层作为一等特征加以保留，以最大化信息恢复。

可用性与实现

singlet R包可在 github.com/zdebruine/singlet 获取。用于复现所有图形的代码可在 github.com/Arya-86/nmf-spliced-unspliced 获取。

补充信息

补充数据附于本文稿之后。