[論文レビュー] Computational challenges of cell cycle analysis using single cell transcriptomics

A. Chervov, Andreï Zinovyev|arXiv (Cornell University)|Aug 10, 2022

Single-cell and spatial transcriptomics被引用数 4

ひとこと要約

この論文は、がん細胞線などでよく見られる通常の細胞周期と胚性幹細胞様（ESC-様）の細胞周期ダイナミクスを区別することが難しいこと、G0期細胞の同定が困難であること、薬剤誘発性の細胞周期停止に対応できないことなど、単一細胞RNA-Seq（scRNA-seq）解析における細胞周期関連の計算的課題をレビューしている。17種類のソフトウェアツールを評価した結果、すべてのタスクを信頼性高く処理できるパッケージは存在せず、正確性と再現可能性の面で顕著なギャップが示された。

ABSTRACT

The cell cycle is one of the most fundamental biological processes important for understanding normal physiology and various pathologies such as cancer. Single cell RNA sequencing technologies give an opportunity to analyse the cell cycle transcriptome dynamics in an unprecedented range of conditions (cell types and perturbations), with thousands of publicly available datasets. Here we review the main computational tasks in such analysis: 1) identification of cell cycle phases, 2) pseudotime inference, 3) identification and profiling of cell cycle-related genes, 4) removing cell cycle effect, 5) identification and analysis of the G0 (quiescent) cells. We review seventeen software packages that are available today for the cell cycle analysis using scRNA-seq data. Despite huge progress achieved, none of the packages can produce complete and reliable results with respect to all aforementioned tasks. One of the major difficulties for existing packages is distinguishing between two patterns of cell cycle transcriptomic dynamics: normal and characteristic for embryonic stem cells (ESC), with the latter one shared by many cancer cell lines. Moreover, some cell lines are characterized by a mixture of two subpopulations, one following the standard and one ESC-like cell cycle, which makes the analysis even more challenging. In conclusion, we discuss the difficulties of the analysis of cell cycle-related single cell transcriptome and provide certain guidelines for the use of the existing methods.

研究の動機と目的

• 単一細胞トランスクリプトーム解析における細胞周期の計算ツールの現状を体系的に評価すること。
• scRNA-seqデータにおける細胞周期期の特定、偽時間推定、および静止状態（G0）細胞の同定という、主な計算的課題を同定すること。
• 通常の細胞周期ダイナミクスと胚性幹細胞（ESC）-様のダイナミクスを区別することが困難である理由を強調すること。これは、がん細胞線においてしばしば混同される。
• 既存ツールの使用に向けた実用的ガイドラインを提供するとともに、今後のソフトウェア開発の改善点を提示すること。
• Kaggleなどのプラットフォームを活用して、標準化されたベンチマークと再現可能なワークフローを推進し、ツールの評価とコミュニティでの採用を促進すること。

提案手法

• scRNA-seqを用いた細胞周期解析を目的とした17種類の公開ソフトウェアパッケージの体系的レビュー。
• 計算タスクを5つのコア分野に分類：細胞周期期の特定、偽時間推定、遺伝子プロファイル作成、G0期細胞同定、細胞周期効果の除去。
• G1/S-G2/M期のプロット、トラジェクトリーモデリング、統計的デコンボリューション技術を含む、手法的アプローチの評価。
• 標準的およびESC-様の細胞周期パターンを併存する混合集団を扱う際の、現在のツールの制限の分析。
• Kaggleを活用し、バージョン管理とコミュニティ協働を伴う再現可能な分析、ノートブック、ベンチマークワークフローの共有。
• 大規模な公開データセット（例：PANGLAODB, ARCHS4）を用いたベンチマークフレームワークの提案。これにより、多様な生物学的文脈におけるツール性能の評価が可能となる。

実験結果

リサーチクエスチョン

• RQ1 既存のソフトウェアパッケージは、単一細胞周期解析における5つのコア計算タスク（細胞周期期の特定、偽時間推定、遺伝子プロファイル作成、G0期細胞同定、細胞周期効果の除去）をどれほど効果的に処理できるか？
• RQ2 なぜscRNA-seqデータにおいて通常の細胞周期ダイナミクスとESC-様のダイナミクスを区別することが難しいのか？ また、この困難さは後続の解析にどのような影響を及えるか？
• RQ3 現在のツールは、多様な単一細胞データセットにおける静止状態（G0）細胞をどれほど信頼性高く同定・特徴付けられるか？
• RQ4 細胞周期進行における偽時間推定の主な制限は何であり、それらはトラジェクトリーレコンストラクションにどのような影響を及えるか？
• RQ5 Kaggleのようなコミュニティプラットフォームを活用することで、細胞周期解析ツールの再現性とベンチマーク評価をどのように向上させられるか？

主な発見

• 現在のどのソフトウェアパッケージにも、多様なデータセットにおいて5つのコアタスク（細胞周期期の特定、偽時間推定、遺伝子プロファイル作成、G0期細胞同定、細胞周期効果の除去）を信頼性高くすべて処理できるものはない。
• 主な課題は、標準的細胞周期ダイナミクスとESC-様パターンを区別できないことである。多くのがん細胞線で見られるこのパターンは、誤分類を引き起こす。
• 多くのツールが、標準的およびESC-様の細胞周期を併存する混合集団を検出または適切にモデル化できず、誤った周期割り当てを生じさせている。
• 薬剤誘発性の細胞周期停止は、現在のどのパッケージでも処理されておらず、対照データがなければ専用の解析ワークフローが存在しない。
• 複数のデータセットにわたる標準化されたベンチマークが不足しているため、ツールの評価が制限されており、1,000以上の利用可能なscRNA-seqデータセットのうち、わずか数％しかバリデーションに使われていない。
• Kaggleのようなプラットフォームは、再現可能でコミュニティ主導の分析を可能にし、細胞周期期の予測や偽時間推定のための大規模なベンチマークやデータサイエンスコンテストの構築に活用できる。