[論文レビュー] Challenges and opportunities to computationally deconvolve heterogeneous tissue with varying cell sizes using single cell RNA-sequencing datasets

Sean K. Maden, Sang Ho Kwon+4 more|arXiv (Cornell University)|May 10, 2023

Single-cell and spatial transcriptomics被引用数 4

ひとこと要約

本論文は、脳や免疫組織のように細胞サイズに著しいばらつきがある組織に対して、従来のバッチRNA-seqデータのデコンボリューション手法が適用された場合、細胞サイズと転写産物の活動が混同されることで、細胞割合の推定が不正確になるため、その手法が失敗することを特定している。著者らは、細胞サイズに配慮した堅牢なデコンボリューション手法の開発と検証を可能にするために、同一の組織ブロックから得られる標準化されたマルチオミクス「ゴールドスタンダード」データセットの構築を提唱している。

ABSTRACT

Deconvolution of cell mixtures in "bulk" transcriptomic samples from homogenate human tissue is important for understanding the pathologies of diseases. However, several experimental and computational challenges remain in developing and implementing transcriptomics-based deconvolution approaches, especially those using a single cell/nuclei RNA-seq reference atlas, which are becoming rapidly available across many tissues. Notably, deconvolution algorithms are frequently developed using samples from tissues with similar cell sizes. However, brain tissue or immune cell populations have cell types with substantially different cell sizes, total mRNA expression, and transcriptional activity. When existing deconvolution approaches are applied to these tissues, these systematic differences in cell sizes and transcriptomic activity confound accurate cell proportion estimates and instead may quantify total mRNA content. Furthermore, there is a lack of standard reference atlases and computational approaches to facilitate integrative analyses, including not only bulk and single cell/nuclei RNA-seq data, but also new data modalities from spatial -omic or imaging approaches. New multi-assay datasets need to be collected with orthogonal data types generated from the same tissue block and the same individual, to serve as a "gold standard" for evaluating new and existing deconvolution methods. Below, we discuss these key challenges and how they can be addressed with the acquisition of new datasets and approaches to analysis.

研究の動機と目的

• バッチ組織サンプルの転写産物デコンボリューションにおける細胞サイズの不均一性という重要な課題を特定し、それに対処すること。
• 細胞サイズが類似した組織で訓練された現在のデコンボリューションアルゴリズムが、脳や免疫系のように極端なサイズ変動を示す組織に適用された場合に偏りを生じることを強調すること。
• デコンボリューション手法の検証に不可欠な標準化されたリファレンスアトラスおよび統合マルチオミクスデータセットの不足に注意を喚起すること。
• 同一の組織ブロックから得られる直交的でマルチモーダルなデータセット（例：バッチRNA-seq、単一核RNA-seq、空間オミクス）の構築を提唱することにより、ゴールドスタンダードとしての役割を果たすこと。
• 細胞サイズと全mRNA含有量を明示的にモデル化することで、細胞割合推定の正確性を向上させる新しい計算手法の開発を促進すること。

提案手法

• 同一の組織ブロックから得られるバッチRNA-seq、単一細胞／核RNA-seq、および空間オミクスまたは画像解析データを統合したマルチオミクスデータセットの構築を提言する。
• これらの統合データセットを「ゴールドスタンダード」リファレンスとして、既存および新規のデコンボリューションアルゴリズムのベンチマークと検証に用いる。
• デコンボリューションにおいて細胞サイズと全mRNA含有量を交絡要因として明示的にモデル化する計算手法の開発を行う。
• 既存のデコンボリューションアルゴリズムを多様な組織（例：脳、免疫系）に適用し、サイズ変動に起因する系統的なバイアスを実証する。
• リファレンスアトラスに転写産物プロファイルに加え、形態計測的および細胞小器官レベルのデータを含める必要性を強調する。
• 直交的で異なるデータモダリティの使用を促進し、デコンボリューションにおける生物学的信号と技術的アーチファクトを区別すること。

実験結果

リサーチクエスチョン

• RQ1 細胞サイズおよび全mRNA含有量の差が、バッチRNA-seq解析における現在のデコンボリューションアルゴリズムの正確性にどのように影響するか？
• RQ2 極端なサイズ変動を示す組織に適用された際、既存のデコンボリューション手法が細胞サイズと細胞タイプ割合をどの程度混同するか？
• RQ3 極端な細胞サイズの不均一性を示す組織の正確なデコンボリューションを可能にするために、現在の単一細胞／核RNA-seqリファレンスアトラスにどのような主な制限があるか？
• RQ4 同一の組織ブロックから得られるマルチオミクスデータセットが、デコンボリューション手法の評価にゴールドスタンダードとしてどのように機能できるか？
• RQ5 デコンボリューションにおいて、細胞サイズの影響を真の生物学的細胞タイプ構成から分離するためには、どのような計算フレームワークが必要か？

主な発見

• 細胞サイズに著しいばらつきがある組織（例：脳、免疫組織）では、既存のデコンボリューション手法が系統的に細胞割合を誤って推定する。
• バイアスは、細胞サイズに起因する全mRNA含有量の差が、実際の細胞タイプの豊度と混同されるため生じる。
• 極端な細胞サイズの不均一性を示す組織における正確なデコンボリューションを実現するには、現在の単一細胞／核RNA-seqリファレンスアトラスは不十分である。
• バッチRNA-seq、単一細胞／核RNA-seq、および同一の組織ブロックからの空間オミクスまたは画像解析データを含む、標準化されたマルチモーダルリファレンスデータセットの欠如が深刻な課題である。
• 同一の組織サンプルから得られるゴールドスタンダードデータセットの構築は、デコンボリューション手法の検証および改善に不可欠である。
• 今後のデコンボリューション手法は、正確な細胞タイプ割合推定を達成するため、細胞サイズと全mRNA含有量を明示的にモデル化する必要がある。