[논문 리뷰] Challenges and opportunities to computationally deconvolve heterogeneous tissue with varying cell sizes using single cell RNA-sequencing datasets

Sean K. Maden, Sang Ho Kwon외 4명|arXiv (Cornell University)|2023. 05. 10.

Single-cell and spatial transcriptomics인용 수 4

한 줄 요약

이 논문은 기존의 전체 RNA-seq 데이터에 대한 탈컨볼루션 방법이 뇌나 면역 조직처럼 세포 크기가 매우 다양한 조직에 적용될 경우 실패함을 밝혀내며, 이는 세포 크기와 전사체 활동을 혼동하여 세포 비율 추정에 정확도가 떨어지기 때문임을 지적한다. 저자들은 동일한 조직 블록에서 유도된 표준화된 다오미크스 '황금 표준' 데이터셋을 통해 강건하고 크기를 고려한 탈컨볼루션 방법의 개발과 검증을 촉구한다.

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.

연구 동기 및 목표

• 세포 크기 이질성이 전체 조직 샘플의 전사체 탈컨볼루션에 미치는 임상적 도전 과제를 특정하고 해결하는 것.
• 유사한 세포 크기를 가진 조직에서 훈련된 기존 탈컨볼루션 알고리즘은 뇌나 면역계처럼 극단적인 크기 변화를 보이는 조직에 적용될 경우 편향된 추정을 초래함을 강조하는 것.
• 탈컨볼루션 방법을 검증하기 위한 표준화된 레퍼런스 아틀라스와 통합된 다오미크스 데이터셋의 부족함을 부각하는 것.
• 동일한 조직 블록에서 유도된 상호보완적인 다모달 데이터셋(예: 전체 RNA-seq, 단일세포/핵 RNA-seq, 공간 오미크스)을 생성하여 황금 표준으로 활용할 것을 주장하는 것.
• 세포 크기와 총 mRNA 농도를 명시적으로 고려하여 세포 비율 추론의 정확도를 향상시키기 위한 새로운 계산 방법의 개발을 촉진하는 것.

제안 방법

• 동일한 조직 블록에서 유도된 다오미크스 데이터셋을 구축하여 전체 RNA-seq, 단일세포/핵 RNA-seq, 공간오미크스 또는 영상 데이터를 통합하는 것.
• 이러한 통합된 데이터셋을 '황금 표준' 레퍼런스로 삼아 기존 및 신규 탈컨볼루션 알고리즘의 성능 평가 및 검증을 수행하는 것.
• 탈컨볼루션 과정에서 세포 크기와 총 mRNA 농도를 혼란 변수로 명시적으로 모델링하는 계산 방법을 개발하는 것.
• 기존 탈컨볼루션 알고리즘을 다양한 조직(예: 뇌, 면역 조직)에 적용하여 크기 변화로 인한 체계적 편향을 입증하는 것.
• 전사체 프로파일 이외에도 형태측정학적 및 세포소기관 수준의 데이터를 포함한 레퍼런스 아틀라스의 필요성을 강조하는 것.
• 탈컨볼루션에서 생물학적 신호와 기술적 오차를 분리하기 위해 상호보완적인 데이터 모달리티의 사용을 장려하는 것.

실험 결과

연구 질문

• RQ1 세포 크기 및 총 mRNA 농도의 차이가 전체 RNA-seq 분석에서 기존 탈컨볼루션 알고리즘의 정확도에 어떤 영향을 미치는가?
• RQ2 기존 탈컨볼루션 방법은 극단적인 크기 변화를 보이는 이질적 조직에 적용될 경우 세포 크기와 세포 유형 비율을 어느 정도 혼동하는가?
• RQ3 현재의 단일세포/핵 RNA-seq 레퍼런스 아틀라스는 극단적인 세포 크기 이질성이 있는 조직의 정확한 탈컨볼루션을 가능하게 하는 데 어떤 핵심적 한계를 지니는가?
• RQ4 동일한 조직 블록에서 유도된 다오미크스 데이터셋이 탈컨볼루션 방법 평가의 황금 표준으로 어떻게 기능할 수 있는가?
• RQ5 탈컨볼루션 과정에서 세포 크기 영향을 진정한 생물학적 세포 유형 조성과 분리하기 위해 필요한 계산 프레임워크는 무엇인가?

주요 결과

• 기존의 탈컨볼루션 방법은 뇌나 면역 조직처럼 세포 크기가 매우 다양한 조직에서 세포 비율을 체계적으로 잘못 추정한다.
• 편향은 세포 크기로 인한 총 mRNA 농도의 차이를 실제 세포 유형의 다수와 혼동함으로써 발생한다.
• 현재의 단일세포/핵 RNA-seq 레퍼런스 아틀라스는 극단적인 세포 크기 이질성이 있는 조직에서 정확한 탈컨볼루션을 가능하게 하기에 부족하다.
• 동일한 조직 블록에서 유도된 전체 RNA-seq, 단일세포/핵 RNA-seq, 공간오미크스 또는 영상 데이터를 포함한 표준화된 다모달 레퍼런스 데이터셋의 부족함이 심각하게 존재한다.
• 동일한 조직 샘플에서 유도된 황금 표준 데이터셋의 개발은 탈컨볼루션 방법의 검증 및 향상에 필수적이다.
• 미래의 탈컨볼루션 방법은 세포 크기와 총 mRNA 농도를 명시적으로 모델링하여 정확한 세포 유형 비율 추정을 달성해야 한다.