SCS 42. 基于单细胞转录组表型数据构建临床预测模型 (Sicssor)

简 介

单细胞RNA测序(scRNA-seq)在异质组织中区分细胞类型、状态和谱系。然而，目前的单细胞数据不能直接将细胞簇与特定表型联系起来。在这里，我们提出Scissor方法，从单细胞数据中识别与给定表型相关的细胞亚群。Scissor通过首先量化每个单细胞和每个大样本之间的相似性，整合了表型相关的大样本表达数据和单细胞数据。然后，优化了与样本表型相关矩阵的回归模型，以确定相关的亚群。将Scissor应用于肺癌scRNA-seq数据集，确定了与生存率较差 和TP53突变相关的细胞亚群。在黑色素瘤中，Scissor发现了与免疫治疗反应相关的低PDCD1/CTLA4和高TCF7表达的T细胞亚群。除癌症外，Scissor在解释面部肩胛骨肌肉萎缩症和阿尔茨海默病数据集方面也很有效。Scissor通过利用表型和大体积组学数据集，从单细胞分析中识别生物学和临床相关的细胞亚群。

Sicssor包含拟议的Sicssor算法(Sicssor功能)，这是一种新的单细胞数据分析方法，利用大量表型从单细胞测序数据中识别最高度表型相关的细胞亚群。Sicssor的优势可以简单概括如下:

首先，通过Sicssor识别的表型相关细胞具有独特的分子特性，涉及到关键的标记基因和给定表型的生物学过程。

其次，Scissor不需要对单细胞数据进行任何无监督聚类，从而避免了对细胞簇数或聚类分辨率的主观决定。

最后，Scissor提供了一个灵活的框架来整合大量数据中的各种外部表型，以指导单细胞数据分析，从而实现临床和生物学相关细胞亚群的无假设鉴定。

软件包安装

软件包安装非常简单，

if(!require(Scissor))
  devtools::install_github('sunduanchen/Scissor')

但是要注意以下里面依赖的Seurat软件包，因为我安装的是V5+版的，所以在读取对象的时候显示Assay5,因此需要object的class 为 Assay,按照如下代码加入options()。

library(Scissor)

library(Seurat)
options(Seurat.object.assay.version = "v3")

数据读取

Scissor输入有三个数据源:单细胞表达矩阵、批量表达矩阵和感兴趣的表型。每个大样本的表型注释可以是一个连续的因变量，二元组指标载体，或临床生存数据。我们使用肺腺癌(LUAD) scRNA-seq癌细胞的几个应用数据作为示例来展示如何在实际应用中执行Scissor。

数据源需要三种类型数据：

1. 单细胞数据：count矩阵或者Seurat创建的object；

2. bulk转录组数据：表达矩阵

3. 临床信息数据：cox回归要求必须有time和status，其他两种不需要

看下例子中的数据格式：

1. 单细胞数据：

准备原始count矩阵，如下：

location <- "https://xialab.s3-us-west-2.amazonaws.com/Duanchen/Scissor_data/"
load(url(paste0(location, 'scRNA-seq.RData')))
dim(sc_dataset)

## [1] 33694  4102

class(sc_dataset)

## [1] "matrix" "array"

利用Seurat_preprocessing()对原始矩阵进行处理，包括"RNA"、"RNA_nn"、"RNA_snn"、"pca"、"tsne"、"umap"。详细流程如下：

• Create a Seurat object from raw data.

• Normalize the count data present in a given assay.

• Identify the variable features.

• Scales and centers features in the dataset.

• Run a PCA dimensionality reduction.

• Constructs a Shared Nearest Neighbor (SNN) Graph for a given dataset.

• Identify clusters of cells by a shared nearest neighbor (SNN) modularity optimization based clustering algorithm.

• Run t-distributed Stochastic Neighbor Embedding (t-SNE) dimensionality reduction on selected features.

• Runs the Uniform Manifold Approximation and Projection (UMAP) dimensional reduction technique.

sc_dataset <- Seurat_preprocessing(sc_dataset, verbose = F)

## Warning: The default method for RunUMAP has changed from calling Python UMAP via reticulate to the R-native UWOT using the cosine metric
## To use Python UMAP via reticulate, set umap.method to 'umap-learn' and metric to 'correlation'
## This message will be shown once per session

names(sc_dataset)

## [1] "RNA"     "RNA_nn"  "RNA_snn" "pca"     "tsne"    "umap"

DimPlot(sc_dataset, reduction = 'umap', label = T, label.size = 10)

2. bulk转录组数据

load(url(paste0(location, 'TCGA_LUAD_exp1.RData')))
dim(bulk_dataset)

## [1] 56716   471

bulk_dataset[1:5,1:5]

##          TCGA-05-4249 TCGA-05-4250 TCGA-05-4382 TCGA-05-4384 TCGA-05-4389
## TS