热点综述 | 单细胞转录组和空间转录组差异表达分析工具总结

scRNA-seq & SRT DE分析工具最新进展

差异表达（DE）分析是单细胞转录组（scRNA-seq）和空间分辨转录组学（SRT）数据分析的必要步骤。近日《Briefings in Functional Genomics 》发表了一篇综述文章，全面回顾了用于scRNA-seq和SRT研究的DE分析工具最新进展，并强调了进一步发展方向的潜在机会。

用于scRNA-seq和SRT数据的可用DE工具的类别

scRNA-seq & DE分析

在检测scRNA-seq数据的DE基因时，建议采用多重复或多受试者实验设计。迄今为止，至少开发了135个DE工具（结果来自https://www.scrna-tools.org; 检索日期：2022年8月1日），以表征scRNA-seq数据的三个主要特征：即由于细胞异质性导致的数据多模态；由于实验设计中的生物（相关或有害）波动或分子死亡而导致大量的zero read counts；以及由于遗传背景或来自多个体或多条件设计的实验扰动而产生的不必要的批量效应。

这些 DE 工具可以分为三类：（1）检测来自单个样本的 scRNA-seq 数据的 DE 基因；(2)检测来自多个样本的scRNA-seq数据的DE基因；(3)检测来自多阶段或谱系追踪的scRNA-seq数据的DE基因。

用于scRNA-seq数据的流行DE分析工具

具有细胞类型注释的可用scRNA-seq数据集

SRT & DE分析

建议在SRT数据DE分析的统计建模中考虑空间相关性。与scRNA-seq-DE分析相比，SRT-DE分析通常需要结合额外的空间位置信息来测量物理空间中的空间异质性。因此，在这种情况下，DE的主要关注点变成了空间感知DE基因的检测。目前空间DE方法可分为三类：（1）检测空间可变基因（SVG；也称为DE基因）；（2）检测区域或结构域特异性DE基因和（3）检测细胞类型特异性DE蛋白。

用于SRT数据的流行DE分析工具

具有细胞类型注释的可用SRT数据集

已经发表了对scRNA-seq DE数据的多个基准研究，其中最显著的发现是，为scRNA-seq数据设计的定制DE工具往往不优于为批量RNAseq数据设计的方法。到目前为止，尚未发表关于SRT DE工具的全面比较研究。

检测DE基因的统计能力与样本量、每个个体的细胞数和测序深度密切相关。目前，只有少数基于模拟的方法用于估计 scRNA-seq 研究的功效依赖性，从而为样本量提供建议；每个个体的最小细胞数可以用 NB 分布或多项式分布建模；通过比较不同技术平台的灵敏度和准确度，可以获得测序深度的建议。然而，所有这些方法在SRT研究中都被忽略，在实践中应予以考虑。

随着DE方法数量的增加，将不断需要基准研究。幸运的是，最近公开了众多工具箱和数据库的来源。例如，TISCH是一个精选的 scRNA-seq数据库，包含超过 200 万个单细胞；而SpatialDB是一个精选的SRT数据库，包含来自5个物种的24个数据集，这些数据集由8种SRT技术生成。凭借来自不同来源的多样化数据，将为方法开发提供了机会，并揭示scRNA-seq和SRT研究的未来趋势。

参考文献

Guo X, Ning J, Chen Y, et al. Recent advances in differential expression analysis for single-cell RNA-seq and spatially resolved transcriptomic studies[J]. Briefings in Functional Genomics, 2023: elad011.