[논문 리뷰] SimCD: Simultaneous Clustering and Differential expression analysis for single-cell transcriptomic data

Seyednami Niyakan, Ehsan Hajiramezanali외 3명|arXiv (Cornell University)|2021. 04. 04.

Single-cell and spatial transcriptomics참고 문헌 38인용 수 5

한 줄 요약

SimCD는 계층적 감마-음수 이항 분포(hGNB) 모델을 사용하여 단일세포 RNA-시퀀싱(scRNA-seq) 데이터에서 클러스터링과 차등 발현 분석을 동시에 수행하는 통합 베이지안 방법이다. 세포 이질성과 동적 유전자 발현 변화를 하나의 프레임워크로 모델링함으로써, 정규화나 보간 등의 사전 처리 단계가 필요 없이 기존의 별도의 클러스터링 및 DE 분석 방법보다 뛰어난 성능을 달성하며, 알려진 및 새로운 생물학적 마커를 보다 정확하게 탐지한다.

ABSTRACT

Single-Cell RNA sequencing (scRNA-seq) measurements have facilitated genome-scale transcriptomic profiling of individual cells, with the hope of deconvolving cellular dynamic changes in corresponding cell sub-populations to better understand molecular mechanisms of different development processes. Several scRNA-seq analysis methods have been proposed to first identify cell sub-populations by clustering and then separately perform differential expression analysis to understand gene expression changes. Their corresponding statistical models and inference algorithms are often designed disjointly. We develop a new method -- SimCD -- that explicitly models cell heterogeneity and dynamic differential changes in one unified hierarchical gamma-negative binomial (hGNB) model, allowing simultaneous cell clustering and differential expression analysis for scRNA-seq data. Our method naturally defines cell heterogeneity by dynamic expression changes, which is expected to help achieve better performances on the two tasks compared to the existing methods that perform them separately. In addition, SimCD better models dropout (zero inflation) in scRNA-seq data by both cell- and gene-level factors and obviates the need for sophisticated pre-processing steps such as normalization, thanks to the direct modeling of scRNA-seq count data by the rigorous hGNB model with an efficient Gibbs sampling inference algorithm. Extensive comparisons with the state-of-the-art methods on both simulated and real-world scRNA-seq count data demonstrate the capability of SimCD to discover cell clusters and capture dynamic expression changes. Furthermore, SimCD helps identify several known genes affected by food deprivation in hypothalamic neuron cell subtypes as well as some new potential markers, suggesting the capability of SimCD for bio-marker discovery.

연구 동기 및 목표

• 기존의 단일세포 RNA-시퀀싱 분석 방법이 클러스터링과 차등 발현(DE) 분석을 별도로 수행하는 데서 비롯하는 한계를 해결하기 위해.
• 생물학적 및 기술적 잡음까지 고려하여 세포 클러스터와 동적 유전자 발현 변화를 동시에 추론하는 통합 통계 모델을 개발하기 위해.
• 정규화나 보간이 필요 없이 유전자 수준과 세포 수준의 요인을 모두 통합하여 제로 과잉이 있는 단일세포 RNA-시퀀싱 데이터를 더 잘 모델링하기 위해.
• 특히 식이 제한과 같은 복잡한 조건에서 이질적인 세포 집단 내에서 조건 특이적 차등 발현 유전자를 견고하게 탐지하기 위해.
• 통합 분석을 통해 단일세포 전사체 분석 데이터에서 알려진 및 새로운 생물학적 마커를 탐색할 수 있도록 하기 위해.

제안 방법

• SimCD는 과분산과 제로 과잉을 모두 반영할 수 있도록 유전자 수준과 세포 수준의 랜덤 효과를 포함하는 계층적 감마-음수 이항(hGNB) 모델을 사용하여 단일세포 RNA-시퀀싱 카운트 데이터를 동시에 모델링한다.
• 모델은 생물학적 공변량을 유전자 수준과 세포 수준 모두에 명시적으로 통합하여 치료 조건이나 세포 유형과 같은 혼란 요인을 고려함으로써 기술적 변동성에 대한 강건성을 향상시킨다.
• 단일 통합 베이지안 프레임워크 내에서 잠재 변수, 즉 세포 클러스터 할당 및 차등 발현 효과를 추정하기 위해 효율적인 게이브스 샘플링 추론 알고리즘을 사용한다.
• hGNB 모델은 조건 간 유전자 발현 변화(예: 대조군 대비 식이 제한)를 모델링함으로써 동적 차등 발현 분석이 가능하며, 同시에 세포 아구룹을 식별할 수 있다.
• 정규화나 보간 등의 사전 처리 단계가 필요 없이, 통계적으로 엄밀한 분포 프레임워크를 통해 원시 카운트 데이터를 직접 모델링함으로써 이러한 단계가 생략된다.
• 동적 발현 패턴을 통해 자연스럽게 세포 이질성을 정의함으로써, 더 생물학적으로 일관된 클러스터링 및 DE 결과를 도출한다.

실험 결과

연구 질문

• RQ1 순차적 접근 방식에 비해 통합 통계 모델이 단일세포 RNA-시퀀싱 데이터에서 클러스터링과 차등 발현 분석을 동시에 향상시킬 수 있는가?
• RQ2 계층적 hGNB 모델에서 유전자 수준과 세포 수준의 요인을 함께 모델링함으로써 생물학적으로 관련 있는 차등 발현과 세포 클러스터 탐지 능력이 어떻게 향상되는가?
• RQ3 실제 단일세포 RNA-시퀀싱 데이터셋에서 SimCD는 최신 기술 대비 알려진 및 새로운 생물학적 마커를 탐지하는 데 얼마나 뛰어난 성능을 보이는가?
• RQ4 정규화나 보간 등의 사전 처리 단계가 필요 없이도 SimCD는 분석 성능을 유지하거나 향상시키며 이를 제거할 수 있는가?
• RQ5 SimCD는 히포타람식 뉴런에서 식이 제한과 같은 생물학적 조건에 대한 반응으로 나타나는 동적 발현 변화를 얼마나 잘 포착하는가?

주요 결과

• CORTEX 데이터셋에서 SimCD는 차등 발현 분석에서 AUC-ROC 0.3153을 기록하였으며, ZINB-WaVE(0.2436)와 scVI(0.2977)를 모두 초월하였다.
• PBMC4k 데이터셋에서 SimCD는 AUC-ROC 0.4699를 기록하였으며, ZINB-WaVE(0.4420)와 scVI(0.4163)에 비해 유의미하게 뛰어난 성능을 보였다.
• 히포타람식 뉴런 데이터셋에서 SimCD는 10개의 알려진 식이 제한 반응 유전자를 탐지하였고, 새로운 잠재적 마커도 식별하였다. 상위 GO 어조합은 시냅스 소포 및 뉴런 조혈 과정과 관련이 높았으며(예: GO:0097458, P = 5.9e-06).
• SimCD의 DE 결과는 DESingle과 DESeq2에 비해 더 생물학적으로 일관성이 있었으며, 시냅스 소포 및 세포외 소기관과 관련된 높은 enrichments가 관찰되었다(예: GO:0031988, P = 1.3e-11 for DESingle).
• 제거 분석 결과, 세포 수준의 공변량을 포함함으로써 다양한 잠재 요인 수(K)에서 조정된 실루엣 너비(ASW)로 측정된 클러스터링 정확도가 향상됨을 확인하였다. CORTEX 데이터셋에서 검증하였다.
• SimCD는 B 세포(AUC = 0.7517 ± 0.0104)와 수상세포(AUC = 0.8720 ± 0.0155)에서 차등 발현 유전자 탐지 성능이 뛰어나 DESeq2와 sigEMD를 모두 뛰어넘었다.