细胞分群新方法—CNA

文章信息

文章题目：Co-varying neighborhood analysis identifies cell populations associated with phenotypes of interest from single-cell transcriptomics 日期：2021-10-21 期刊：nature biotechnology 链接：https://www.nature.com/articles/s41587-021-01066-4

方法描述

我们一般进行细胞分群时会进行降维聚类，这个方法也是为了分群，但它认为聚类的方法一般需要假设数据很好地捕获到生物信息，而且聚类的方法一般都需要反复调整聚类参数（比如resolution）。这个方法的核心是”邻域“（定义是very small regions in transcriptional space），再根据不同样本中邻域的共同特性去整合数据。

下面这个图展示的非常明白：

• a左：这是一个4个样本组成的单细胞数据，进行了一个降维操作。这里展示的二维图形可以是一个主成分，也可以是多组学数据的canonical co-variates，这个过程一般还需要去除批次效应。反正目的就是把大量的不同来源细胞”铺“在一个面上。
• a中：CNA会将每个细胞划给一个邻域，划分的依据就是其他细胞到达该细胞时随机游走的步数。如果步数最短，那么这个细胞就是Anchor cell。中间的密度图就展示了红色圆圈的细胞被认定为”小范围的C位“ 划分依据: every other cell m′ belongs to the neighborhood anchored at cell m according to the probability that a random walk in the graph from m′ will arrive at m after s steps。
• a右：按照（a中）的方法，随机找几块区域（具体几块CNA会根据数据集计算）去寻找它们的邻域。比如这里的A-E就是（a左）图中的一部分，只是根据这几个小部分内部寻找了邻域而已
• b：代表密度的邻域图找出来以后，就要对应到每个样本了（1-4就是那4个样本）
• c：看每个样本（1-4）在5个区域（A-E）的密度，比如样本1在A区域的细胞数量少，那么就是蓝色（low）；样本3在A区域的细胞数量多，就是红色（high）；如果没有细胞（比如样本4的A区域），那就是紫色
• d：最后将细胞密度信息整理成一个矩阵，蓝色（low，数字 -1表示）；红色（high，数字1表示）；没有细胞就是0

方法优势

• 不需要调参数（比如分辨率）
• 运行速度大大提高：CNA has favorable runtime properties: given a nearest neighbor graph, computing the NAM and conducting permutation-based association testing takes less than 1 min (and 579 MB of memory) for a dataset of more than 500,000 cells and more than 250 samples.

方法劣势

• CNA依赖于样本间的差异，所以如果样本数量比较少效果就不好
• 因为CNA不需要假设数据符合生物背景知识，所以如果样本量小但的确符合生物背景知识的数据，CNA可能就不如现有的统计模型
• 虽然CNA可以支持现有的细胞类型注释和轨迹推断方法，但这类方法一般只寻求单一的信息；而CNA由于关注面比较广，可能会得到多方面的信息，可能会产生信息冗余
• CNA的核心就是邻域的划分，那么是否每次都能找到合适的anchor cell，又是否存在划分的边界呢？