跟着小鱼头学单细胞测序-细胞注释Cell BLAST

导语

GUIDE ╲

单细胞 RNA-seq (scRNA-seq) 被广泛用于解决细胞异质性问题。随着公共 scRNA-seq 数据的快速积累，有效且高效的利用现有数据来注释新数据至关重要。

Cell BLAST

过去十年的技术进步形成了大规模单细胞 RNA 测序 (scRNA-seq) 数据的快速积累。类似于生物序列分析，现有的注释（例如细胞类型和细胞分化潜力）可用于通过细胞查询算法对新测序的细胞进行注释，该算法主要基于转录组，无监督地搜索相似细胞的参考数据。小编在这里给大家介绍一款单细胞注释工具Cell BLAST。这款细胞查询工具基于神经网络模型，可有效处理批次效应，并提供细胞间相似性的度量。其文章通过两个实验数据证明Cell BLAST 可进一步用于预测连续细胞的分化潜力和识别新细胞类型。该工具不仅提供了用户友好的web界面，并且提供了一个多物种单细胞转录组学数据库用于参考数据的选择。

算法简介

Cell BLAST 使用基于神经网络模型，使用参考单细胞转录组数据，以无监督的方式学习从高维转录组空间到低维空间的非线性映射，并通过以下方式校正参考批次效应。当呈现查询数据时，Cell BLAST 使用预训练模型将参考数据和超讯数据细胞映射到同一低维空间中，并在低维空间中利用后验分布来估计细胞相似性，然后将具有高相似性的参考细胞作为查询命中返回，最后利用参考数据的注释作为查询数据的注释结果。该方法的一个优点是，当查询数据中存在参考数据中没有的新细胞类型时，它们并不会被错误的分配到其他已知的标签，而是会被识别为unknown，从而提供了识别新单元格类型的机会。

该款工具的网络界面简洁清晰，使用方便。下面给大家介绍一下主要步骤。

使用简介

01

上传查询数据集

首先上传查询数据的基因表达矩阵，目前支持的基因表达矩阵文件格式包括：csv、tsv、h5ad (anndata) 和 loom (loompy)。矩阵必须满足以下要求：

• 标明基因和细胞id
• 基因由基因名称（例如 TP53）而不是基因 ID（例如 ENSG00000141510）标记
• 包含 UMI 计数（原始/标准化）或 TPM/FPKM，不允许使用负值
• 目前该工具能接受的细胞数目上线是20,000

在 Cell BLAST 主页上传数据之后，如果使用 csv 或 tsv 文件，系统会提示选择矩阵方向（“逐个基因”或“逐细胞”）、并显示前 5 行和 5 列的概览，确保数据正确。以下的演示均来自于demo的示例。

02

选择参考数据集

确认查询数据之后，将转入到“BLAST”选项。在这里我们需要选择合适的参考数据。该工具提供了参考数据的数据库，用户可以通过“物种”和“器官”来选择、合适的参考数据。对于示例查询，默认情况下会选择适当的参考数据。用户也可以在“显示附加参数”中调整查询参数（默认设置在大多数情况下有效）。

03

参考数据与查询数据比对

设置好参考数据后，会进入到“HITS”选项，显示每个查询细胞与参考细胞的比对情况。界面上也提供了下载选项。

04

对查询数据作出预测结果

通过选择用于预测的特征阈值，最后用户可以通过“PREDICT”对查询数据中的细胞进行预测，得到最终的查询结果。

小编总结

该工具使用简单，与其他使用参考数据的工具类似，结果的准确性依赖于参考数据的质量。该工具的一个显著优点是对未知类别细胞的注释，未知类别的细胞会被附上未知的标签，而不会被错误的归为别的已知类别。虽然该工具提供了一个参考数据库，但由于数量有限，可能无法很好的满足用户的需求。该工具还提供了python版本，方便用于使用自定义的参考数据集。

Reference：

Cao, ZJ., Wei, L., Lu, S. et al. Searching large-scale scRNA-seq databases via unbiased cell embedding with Cell BLAST. Nat Commun 11, 3458 (2020). https://doi.org/10.1038/s41467-020-17281-7