Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

港中大团队开发了一种连接批量 RNA-seq 和单细胞 RNA-seq 的深度学习方法

编辑 | 萝卜皮

单细胞 RNA 测序已成为以明确的高分辨率研究生物学意义的强大工具。然而,它在新兴数据上的应用目前受到其内在技术的限制。

在这里,香港中文大学的研究人员介绍了 Tissue-AdaPtive autoEncoder(TAPE),这是一种连接批量 RNA-seq 和单细胞 RNA-seq 的深度学习方法,可在短时间内实现精确的反卷积。通过构建可解释的解码器并在独特的方案下进行训练,TAPE 可以自适应地预测细胞类型分数和细胞类型特异性基因表达组织。

与几个数据集上的流行方法相比,TAPE 在细胞类型水平上具有更好的整体性能和相当的准确性。此外,它在不同的细胞类型中更稳健、更快、更敏感,可以提供具有生物学意义的预测。

该研究以「Deep autoencoder for interpretable tissue-adaptive deconvolution and cell-type-specific gene analysis」为题,于 2022 年 11 月 8 日发布在《Nature Communications》。

图片

批量 RNA 测序 (RNA-seq) 是一种广泛使用的高通量测序技术,为研究生物事件的转录组变异提供了强大的工具。RNA-seq 测量平均表达水平,它提供了来自转录水平的大样本的宏观图谱,没有细胞特异性信息。然而,在某些情况下,研究样本的细胞组成和比例也很重要,尤其是在具有细胞发育和增殖的系统中(例如癌症)。

最近,单细胞 RNA 测序 (scRNA-seq) 为识别和分析复杂组织的细胞异质性提供了前所未有的机会。虽然 scRNA-seq 在细胞粒度方面提供了令人印象深刻的分辨率,但它仍然昂贵且易受噪声影响,从而禁止对大规模样本进行测序。为了克服这些障碍,研究人员可以将丰富的批量 RNA-seq 数据与 scRNA-seq 数据相结合,参考小型 scRNA-seq 数据集从批量 RNA-seq 样本执行细胞类型反卷积。

近年来,许多单细胞图谱辅助算法如雨后春笋般涌现,以剖析大量 RNA-seq 数据。现有的方法大致可以分为两类:基于统计学习的方法和基于深度学习的方法。基于传统的回归模型,如非负最小二乘(NNLS)和支持向量回归(SVR),CIBERSORT(CS)、MuSiC、CIBERSORTx(CSx)、Bisque、DWLS、RNA-Sieve 和 BLADE 等一系列方法已被开发出来。

所有这些工具都需要预先选择的细胞类型特异性基因表达谱(GEP)或根据统计值(例如,均值和方差)为不同的基因分配不同的权重。相比之下,深度学习方法 Scaden 使用模拟的批量数据进行训练,无需依赖预定义的 GEP,它可以自动从 GEP 中提取特征。

尽管取得了这些进展,但这些方法忽略了运行时间成本,尤其是在处理大数据集的需求不断增长的情况下。此外,除了 CSx,其他方法,如 Scaden,无法预测关键的细胞类型特异性基因表达。这种限制导致 Scaden 和其他方法的可解释性差。即使对于 CSx,它也需要多个样本 (>15) 来纯化表达。

为了克服这些限制,香港中文大学的研究人员提出了一种使用深度神经网络(DNN)的准确、高效且可解释的深度学习算法 Tissue-AdaPtive autoEncoder(TAPE)。基本思想是编码器可以学习更高阶的潜在表示,解码器可以在自编码器的框架下实现输出的可解释性。

此外,他们引入了一种名为自适应训练的新训练方案,以自适应地优化 GEP 组织。研究人员表示,他们的方法可以实现比以前最先进的方法更好的整体性能。

图片

图示:TAPE 工作流程和自适应阶段的说明。(来源:论文)

TAPE 作为数字组织解剖的深度学习算法,它与以前方法的主要区别包括(1)高度准确和敏感的反卷积,以捕捉临床数据的生物学显著变化;(2) 组织适应性细胞类型特异性基因表达谱预测,以识别细胞类型水平的潜在基因表达差异。TAPE 受益于自编码器的架构和自适应阶段独特的训练方法。编码器-解码器架构使可解释的解码器能够回答编码器做出此类预测的原因。

更有趣的是,解码器是一个自然的特定于细胞类型的签名矩阵,可以在训练阶段之后学习,然后在自适应阶段之后适应批量数据。TAPE 的特殊训练过程使其与其他方法有根本不同,其他方法仅预测细胞分数或需要大量队列批量 RNA 序列数据来计算细胞类型特异性 GEP,或很难推断细胞类型特异的GEP中不显著的基因表达。

图片

图示:基准数据集上反卷积算法的比较。(来源:论文)

TAPE 的另一个优势是它在对大量样本进行反卷积时的超快速推理。TAPE 在常用的图形处理单元 (GPU) 上运行,其速度可与最快的统计方法相媲美,甚至比之前的深度学习方法还要快。

尽管已经证明 TAPE 的反卷积性能在许多场景中都相当不错,但它在「罕见」场景中表现不佳,因为它显示出较低的 CCC 值。但是,在基准测试过程中,结果表明其他工具的性能在「罕见」情况下也会下降。这种现象表明当前的方法没有很好地解决「罕见」的情况,需要在未来的工作中加以解决。

在临床数据预测的场景下,TAPE能够稳定地预测临床病例中大多数细胞类型的比值变化,具有统计功效,其结果与以往相关临床研究一致。在实际使用过程中,为了使研究更有针对性,研究人员建议用户根据现有的实验证据从 TAPE 输出中选择他们想要进一步分析的细胞类型。

图片

图示:TAPE 和 CSx 的基因一致性。(来源:论文)

同时,TAPE 可以自适应地预测细胞类型特异性 GEP。但不可否认,它还可以进一步改进。首先,当使用「整体」模式研究基因水平的相关性时,大约 30% 的预测基因具有负相关性。尽管该方法的性能(中值 CCC 0.2127)优于 CSx(中值 CCC 0.0627),但仍有很大的改进空间。

图片

图示:从批量 GEP 和推断的 GEP 计算的 DEG 火山图。(来源:论文)

其次,当用它来预测 DEGs 时,TAPE 很难预测适当的倍数变化,这部分是由归一化方法引起的,因为基因值在 0 和 1 之间归一化。然而,这种现象也可以在 CIBERSORTx 中观察到,这表明大样本和推断的细胞类型特异性 GEP 之间的信息丢失很难重建。在该研究的测试中,考虑到预测的 foldchange 不正确这一事实,研究人员仅使用 t 检验来查找 p < 0.05 的 DEG,并且可以从该标准获得合理的 DEG 结果。

图片

图示:DEG 检测会受到相似细胞类型的影响(100 个随机选择的具有相似细胞类型的 DEG)。(来源:论文)

第三,研究人员注意到如果 DEG 不是特征基因,CIBERSORTx 和该方法都无法正确区分 DEG 和相似的细胞亚型,这意味着它们的分辨率仍然有限。但 CIBERSORTx 在区分特征 DEG 与相似细胞类型方面显示出其优势,因为结合了特征矩阵。

图片

图示:在四种场景中对 TAPE 和 CIBERSORTx 进行综合测试。(来源:论文)

虽然该方法不能精确地预测来自细胞亚型的 DEG,或者如果所有特征基因都是可能不会出现在现实世界中的 DEG,则其性能比 CIBERSORTx 更好,但它仍然通过排除不相关的细胞类型来减少潜在的候选者。因此,他们的方法仍然有用,可以应用于现实生活场景以加速生物学研究。

图片

图示:细胞特异性 GEP 的功能富集。(来源:论文)

受益于「高分辨率」模式下预测的细胞类型特异性 GEP,它可以识别每个样本的每种细胞类型中特定的激活功能通路,这可能是该算法的另一个潜在优势。根据测试结果,研究人员可以确定参与功能失调通路的细胞类型。结合 ssGSEA 和 TAPE 可以帮助使用大量 RNA-seq 数据识别特定细胞类型中的特定功能障碍途径,这将基本上利用以前的群体转录组数据集。

总之,TAPE 代表了一个广泛适用的框架,用于在细胞类型水平上破译组织的异质性,并为有监督的自动编码器执行域适应提供了一种实用的训练方案。考虑到它可以与其他工具无缝集成,相信 TAPE 将有助于研究单细胞数据与丰富的批量数据之间的联系。

论文链接:https://www.nature.com/articles/s41467-022-34550-9

理论
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动编码器技术

自动编码器是用于无监督学习高效编码的人工神经网络。 自动编码器的目的是学习一组数据的表示(编码),通常用于降维。 最近,自动编码器已经越来越广泛地用于生成模型的训练。

权重技术

线性模型中特征的系数,或深度网络中的边。训练线性模型的目标是确定每个特征的理想权重。如果权重为 0,则相应的特征对模型来说没有任何贡献。

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

推荐文章
暂无评论
暂无评论~