[논문 리뷰] Categorization and analysis of 14 computational methods for estimating cell potency from single-cell RNA-seq data

Qingyang Wang, Zhiqian Zhai외 3명|arXiv (Cornell University)|2023. 09. 24.

Single-cell and spatial transcriptomicsBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

이 논문은 단일세포 RNA-시퀀싱 데이터로부터 세포 다능도를 추정하기 위한 14종의 계산적 방법을 검토하며, 평균 기반, 엔트로피 기반, 상관관계 기반 접근법으로 분류한다. 논문은 출판된 방법 기술과 코드 구현 간의 심각한 불일치를 밝혀내며, 방법론적 모순과 잘못된 가정을 지적하고, 단일세포 수준의 참값이 부족하고 다양한 방법 간의 상충되는 기초 원리가 존재하기 때문에 정확한 세포 다능도 추정은 여전히 해결되지 않은 과제임을 결론 내린다.

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.

연구 동기 및 목표

• 단일세포 RNA-seq 데이터로부터 세포 다능도를 추정하기 위한 14종의 계산적 방법을 체계적으로 분류하고 비교하는 것.
• 출판된 논문의 방법 기술과 실제 코드 구현 간의 불일치를 식별하고 문서화하는 것.
• 기존 접근법의 방법론적 타당성을 평가하며, 잘못된 가정과 일관되지 않은 정규화 방식을 포함한 문제점을 분석하는 것.
• 평균 기반과 엔트로피 기반 다능도 추정 간의 개념적 모순을 부각하는 것.
• 단일세포 수준의 참값이 부족하고 다양한 방법 간의 상충되는 기초 가정이 존재하기 때문에 정확한 세포 다능도 추정은 여전히 해결되지 않은 과제임을 주장하는 것.

제안 방법

• 저자는 11개의 검토된 방법을 핵심 계산 논리에 따라 세 가지 그룹으로 분류했다: 평균 기반(시토트레이스, NCG), 엔트로피 기반(스템아이디, 슬라이스, dpath, 스코에너지, 스펜트, MCE, 스파이드), 상관관계 기반(mRNAsi, CCAT).
• 각 방법은 통일된 수학적 기호 체계를 사용하여 입력 요구사항, 파라미터 사용 방식, 알고리즘 구조의 차이를 명확히 분석하였다.
• 비공식적 파라미터 수, 필요 입력 수, 출판된 기술에 대한 코드 이행 정확도를 수량화하여 방법론적 복잡도를 평가하였다.
• 논문과 코드 간의 불일치를 체계적으로 기록하였으며, 이는 유사도 행렬에 k-means 클러스터링을 잘못 적용하거나, 로그-TPM 데이터에 포isson 분포를 부적절하게 적용하는 것을 포함한다.
• 외부 데이터(예: GO, PPI 네트워크)의 역할을 평가하며, 결과가 PPI 네트워크 선택에 대해 뚜렷하게 영향을 받지 않는다면, 이러한 네트워크의 기여도에 의문을 제기하였다.
• 분석은 CytoTRACE가 유전자 수를 다능도의 대체 지표로 사용하는 데 의존한다는 가정을 비판적으로 평가하였으며, 이는 라이브러리 크기 효과와 생물학적 다능도를 혼동할 수 있음을 시사한다.

실험 결과

연구 질문

• RQ1 단일세포 RNA-seq 데이터로부터 세포 다능도를 추정하기 위한 다양한 계산적 방법은 그 기초 가정과 방법론적 설계에서 어떻게 다를까?
• RQ2 11개의 검토된 방법 중에서 출판된 방법 기술이 실제 코드 구현과 얼마나 일치하는가?
• RQ3 기존의 세포 다능도 추정 방법에서 발견되는 주요 방법론적 결함이나 일관성 없는 점은 무엇인가? (예: 잘못된 알고리즘 사용, 부적절한 통계 모델링)
• RQ4 왜 현재 세포 다능도 추정 방법의 공정한 벤치마킹이 불가능한가? 이는 방법 평가에 어떤 영향을 미치는가?
• RQ5 평균 기반, 엔트로피 기반, 상관관계 기반 접근법 간의 개념적 모순은 다능도 점수의 신뢰성과 해석 가능성에 어떻게 영향을 미치는가?

주요 결과

• SLICE에서는 유전자-유전자 유사도 행렬에 대해 잘못된 k-means 클러스터링 적용이 발견되었고, dpath에서는 로그 변환된 TPM 데이터에 대해 포isson 분포를 부적절하게 사용하는 문제가 있었다.
• CytoTRACE에서 유전자 수가 다능도를 반영한다고 보는 가정은 라이브러리 크기와 생물학적 다능도를 혼동할 수 있어 우려를 제기한다.
• CCAT와 같은 일부 방법은 PPI 네트워크 선택에 대해 강건하다고 주장하지만, 이는 PPI 네트워크의 다능도 추정에 기여하는 것으로 보는 인식을 약화시킨다.
• 엔트로피 기반 방법은 유전자 발현 분포가 균일할수록 다능도가 높다고 가정하는 반면, 평균 기반 방법은 '중요한' 유전자 발현을 우선시하므로 근본적인 개념적 모순을 야기한다.
• 이해할 수 없는 근거 없이 비공식적 파라미터를 사용하는 것은 널리 퍼져 있으며, 정규화 전략 역시 최적의 접근 방식에 대한 명확한 합의 없이 다양하게 사용되고 있다.
• 다능도에 대한 단일세포 수준의 참값이 없기 때문에 공정한 벤치마킹이 불가능하며, 현재의 골드/실버 표준 데이터셋은 그룹 수준의 레이블만 제공한다.