[论文解读] 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 4

一句话总结

本文综述了单细胞RNA测序（scRNA-seq）分析中细胞周期的计算挑战，识别出关键任务如细胞周期阶段检测、伪时序推断以及G0期细胞表征。评估了17种软件工具，发现目前尚无任何工具能可靠地完成所有任务，特别是区分正常与胚胎干细胞样（ESC样）细胞周期动态——凸显了在准确性和可重复性方面存在的关键差距。

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.

研究动机与目标

• 系统评估当前用于单细胞转录组分析细胞周期的计算工具现状。
• 识别在检测细胞周期阶段、伪时序以及静止期（G0）细胞方面面临的关键计算挑战。
• 强调在区分标准与胚胎干细胞（ESC）样细胞周期动态方面的困难，这些动态在癌细胞系中常被混淆。
• 为研究人员使用现有工具提供实用指南，并为未来软件开发提出改进建议。
• 倡导使用Kaggle等平台建立标准化基准和可重复的工作流程，以提升工具评估和社区采纳。

提出的方法

• 系统审查17种公开可用的基于scRNA-seq的细胞周期分析软件包。
• 将计算任务归类为五个核心领域：阶段检测、伪时序推断、基因特征分析、G0期细胞识别以及细胞周期效应去除。
• 评估方法论，包括G1/S-G2/M阶段绘图、轨迹建模和统计去卷积技术。
• 分析现有工具在处理同时包含标准和ESC样细胞周期模式的混合群体方面的局限性。
• 使用Kaggle作为平台，共享可重复的分析、笔记本和基准工作流，支持版本控制和社区协作。
• 提出使用大规模公开数据集（如PANGLAODB、ARCHS4）构建基准框架，以在多样化生物背景下评估工具性能。

实验结果

研究问题

• RQ1 现有软件包在单细胞周期分析的五个核心计算任务中的表现如何？
• RQ2 为何在scRNA-seq数据中难以区分正常与ESC样细胞周期动态，这对下游分析有何影响？
• RQ3 当前工具在异质性单细胞数据集中可靠识别和表征静止期（G0）细胞的程度如何？
• RQ4 在细胞周期进展的伪时序推断中存在哪些关键局限性，它们如何影响轨迹重建？
• RQ5 如何利用Kaggle等社区平台提升细胞周期分析工具的可重复性和基准测试？

主要发现

• 目前没有任何软件包能在多样化数据集中可靠地完成全部五项核心任务——阶段检测、伪时序推断、基因特征分析、G0期细胞识别以及细胞周期效应去除。
• 主要挑战在于区分标准细胞周期动态与ESC样模式，后者在许多癌细胞系中普遍存在，导致误分类。
• 许多工具无法检测或正确建模同时包含标准和ESC样周期细胞的混合群体，导致阶段分配不准确。
• 目前所有工具均未处理药物诱导的细胞周期阻滞，且缺乏无需对照数据的专用分析流程。
• 缺乏在多个数据集上统一的基准测试限制了工具评估，仅有极小部分（1,000多个可用scRNA-seq数据集中的少数）被用于验证。
• Kaggle等平台可实现可重复的、社区驱动的分析，可用于构建大规模基准测试和数据科学挑战，以提升细胞周期阶段预测和伪时序估计的性能。