SCP—为单细胞分析设计的端到端解决方案

序

单细胞时代刷新了微观世界下观察的分辨率，也让科学研究更接近于真相。

尽管如此，单细胞也更暴露出了比以往bulk测序研究更多的问题。

技术层面上的问题例如基因究竟在一个细胞中表达与否、数据集之间的批次效应如何消除，等等；生物层面上的问题例如如何定义一个细胞类型或状态、细胞从哪来到哪去、基因或细胞之间是如何协同的，等等。

然而一旦模糊的界限被打破，就已无法回避。

生信的开发领域中已经诞生了大量优秀的算法、软件，来解决上述的各类问题。但如同机器学习领域一样，许多算法存在有限的泛化能力，导致在生信的应用领域中，会在错误的时刻发生错误的调用及解读。

作为生信应用研究人员，此时想回答生物学层面的问题就需要同时回答技术层面的问题，这种”既要又要”无疑在迫使生信分析人员转变角色，成为真正的左手技术、右手生物的生信科学家。

这里的”技术”强调下，它并不指代编程能力，也不指代算法开发上的能力，而是指一种在”生物信息”角度上对科学的辩证思维：时刻围绕着中心法则构建和完善生物世界观，并对所有生物数据是如何产生的、如何反应生物本身等进行不断的质疑与推断，学习理解常用算法背后的原理及其缺陷，避免让自己陷入黑盒。

最终，结合产生数据的技术背景和生物学背景，借助各类工具全方位、多角度的探索数据，才可以在分析中有效推断出微观世界所发生着的各类事件，才可以对上述问题做出更自信的回答。

SCP (Single-Cell Pipeline)

SCP是一个端到端单细胞数据分析管道，可实现数据从下机后的处理、分析、共享和发表的全部工作。管道意味着极简、标准化、模块化，SCP的特点是简洁、全面、高效，让单细胞的科学研究更专注于科学本身。

SCP中的所有方法根据分析类型主要分为三个模块，包括了数据预处理模块、下游分析模块和可视化模块。借助reticulate[1]，SCP也在内部创建了一个python环境环境来整合python相关的工具和方法，让其在R/Rstudio中即可完成调用和结果解析。

SCP中的所有方法均围绕Seurat对象（Seurat V4）开发，虽然如此，利用转换函数adata_to_srt()我们依然可以在任意时候从python中的经典的AnnData[2]对象出发（.h5ad）。

SCP各模块内容

前处理：

• 4种doublets鉴定方法（scDblFinder, scds, Scrublet, DoubletDetection）
• 多种指标下的综合质控（doublets, outlier, umi, gene, mito, ribo, ribo_mito_ratio, species）
• 标准的单细胞处理流程（Normalization, Feature selection, Dimension reduction, Clustering）
• 11种批次矫正的单细胞整合处理流程（Seurat, scVI, MNN, fastMNN, Harmony, Scanorama, BBKNN, CSS, LIGER, Conos, Combat）
• 5种线性降维和8种非线性降维方法

下游分析：

• 20多种基因注释数据库、多物种、多基因ID类型的自动构建方法
• 4种差异基因鉴定流程（All, Paired, Conserved, Distrubed）
• ORA和GSEA两种富集分析方法
• 3种特征打分方法（Seurat, Ucell, AUcell）
• 5种细胞映射方法（KNNMap, PCAMap, SeuratMap, CSSMap, SymphonyMap）和3种细胞自动注释方法（KNNpredict, scmap, SingleR）
• 7种细胞轨迹推断方法（Slingshot, PAGA, scVelo, Palantir, Monocle2, Monocle3, WOT）和基于pseudotime的动态特征鉴定方法

可视化：

• 200多种离散型和连续型调色板
• 两种常用的绘图主题，分别用于分析和发表
• 图片的后期调整和格栅化方法
• 20多种绘图函数，可绘制上百种图像类型
• 快速构建交互式的单细胞数据查询网页SCExplorer

更多细节将在后面的教程中说明，敬请期待。

文中链接

[1]

reticulate: https://github.com/rstudio/reticulate/

[2]

AnnData: https://github.com/scverse/anndata