[論文レビュー] Categorization and analysis of 14 computational methods for estimating cell potency from single-cell RNA-seq data

Qingyang Wang, Zhiqian Zhai+3 more|arXiv (Cornell University)|Sep 24, 2023

Single-cell and spatial transcriptomicsBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

この論文は、単一細胞RNA-Seqデータから細胞多能性を推定するための14の計算手法をレビューし、平均ベース、エントロピー基地、相関ベースのアプローチに分類している。出版された手法の記述とそのコード実装との間に顕著な不一致が特定され、手法論的不整合や誤った仮定が指摘され、単一細胞レベルの真値が不足していることと、手法間で根本的な原理が矛盾していることから、正確な細胞多能性推定は未解決の課題のままである。

ABSTRACT

In single-cell RNA sequencing (scRNA-seq) analysis, a key challenge is inferring hidden cellular dynamics from static cell snapshots. Various computational methods have been developed to address this, focusing on perspectives like pseudotime trajectories, RNA velocities, and estimating the differentiation potential of cells, often referred to as "cell potency." This review summarizes 14 methods for defining cell potency from scRNA-seq data, categorizing them into average-based, entropy-based, and correlation-based methods based on how they summarize gene expression levels into a potency measure. We highlight the key similarities and differences within and between these categories, offering a high-level intuition for each method. Additionally, we use unified mathematical notations to detail each method's methodology and summarize their usage complexities, including parameters, required inputs, and differences between published descriptions and software implementations. We conclude that cell potency estimation remains an open question without a consensus on the optimal approach, emphasizing the need for benchmark datasets and studies. This review aims to provide a foundation for future benchmark studies, while also addressing the broader challenge of comparing methods that infer cellular dynamics from scRNA-seq data through various perspectives, including pseudotime trajectories, RNA velocities, and cell potency.

研究の動機と目的

• 単一細胞RNA-Seqデータからの細胞多能性推定のための14の計算手法を体系的に分類・比較すること。
• 出版された論文における手法の記述と、それらの実際のコード実装との間の不一致を特定・文書化すること。
• 既存のアプローチの手法論的整合性を評価すること。これには、誤った仮定や一貫性の欠如した正規化手法の使用が含まれる。
• 平均ベース対エントロピー基地の多能性推定という、異なる手法論的パラダイム間の概念的矛盾を浮き彫りにすること。
• 正確な細胞多能性推定が、単一細胞レベルの真値が存在しないことと、手法間で根本的な仮定が矛盾していることから、未解決の課題のままであると主張すること。

提案手法

• 著者たちは、11のレビュー対象手法を、そのコアな計算論的論理に基づき、平均ベース（CytoTRACE, NCG）、エントロピー基地（stemID, SLICE, dpath, scEnergy, SCENT, MCE, SPIDE）、相関ベース（mRNAsi, CCAT）の3つのグループに分類した。
• 各手法について、入力要件、パラメータ使用、アルゴリズム的構造の違いを明確にするために、統一的な数学的表記を用いて分析した。
• 適当なパラメータ数、必要な入力、出版された記述への実装の整合性を定量化することで、手法論的複雑性を評価した。
• 出版物とコードとの間の不一致を体系的に文書化した。これには、遺伝子-遺伝子の類似度行列へのk-meansクラスタリングの誤った適用、およびlog-TPMデータにポアソン分布を不適切に適用する例が含まれる。
• 外部データ（GOやPPIネットワーク）の役割を評価し、PPIネットワークの選択にかかわらず結果が安定することを確認した場合、そのネットワークの貢献が疑問視された。
• CytoTRACEが遺伝子数を多能性の代理指標として使用するという仮定を批判的に評価した。これは、ライブラリサイズの影響と生物学的多能性を混同する可能性がある。

実験結果

リサーチクエスチョン

• RQ1 単一細胞RNA-Seqデータからの細胞多能性推定のための異なる計算手法は、その背後にある仮定や手法論的設計において、どのように異なるのか？
• RQ2 11のレビュー対象手法において、出版された記述と実際のコード実装との整合性はどの程度高いのか？
• RQ3 既存の細胞多能性推定手法における主な手法論的欠陥や不整合、例えば誤ったアルゴリズムの使用や不適切な統計的モデリングとは何か？
• RQ4 なぜ現在、細胞多能性推定手法の公平なベンチマークが不可能なのか。その結果、手法評価にどのような影響が生じるのか？
• RQ5 平均ベース、エントロピー基地、相関ベースのアプローチの間で生じる概念的矛盾は、多能性スコアの信頼性と解釈可能性にどのように影響を及えるのか？

主な発見

• SLICEでは遺伝子-遺伝子の類似度行列に対してk-meansクラスタリングを誤って適用しているなど、複数の手法で出版された記述とコード実装との間に不一致が確認された。dpathでは、log変換済みTPMデータにポアソン分布を不適切に適用している。
• CytoTRACEが遺伝子数を多能性の代理指標として使用するという仮定は、ライブラリサイズと生物学的多能性を混同する可能性があり、技術的アーチファクトの混入を懸念させる。
• CCATはPPIネットワークの選択に頑健であると主張しているが、これはPPIネットワークの多能性推定への貢献が疑問視されることを意味する。
• エントロピー基地の手法は、遺伝子発現が一様分布に近い状態を高多能性と仮定するが、平均ベースの手法は「重要」とされる遺伝子の発現を重視する。この二つは根本的な概念的矛盾を生じている。
• 正当化のないアドホックなパラメータの使用は広範に見られ、正規化戦略についても最適なアプローチに合意が得られていない。
• 多能性の単一細胞レベルの真値が存在しないため、公平なベンチマークは不可能であり、現在のゴールド/シルバースタンダードデータセットはグループレベルのラベルしか提供しない。