单细胞CellBender去除环境RNA污染学习(Python)

CellBender用于从高通量单细胞组学数据中消除技术伪影，包括scRNA-seq、snRNA-seq和CITE-seq。

尽管近年来在改进、优化和标准化基于微滴的单细胞组学实验（如单细胞RNA测序，scRNA-seq）协议方面取得了进展，但这些实验的复杂性仍导致原始数据中存在系统性偏差和背景噪声。这些干扰主要来源于不期望的酶促反应产生的伪造文库片段、外源或内源环境转录本的污染、条形码微珠的杂质，以及扩增和/或测序过程中发生的条形码交换。CellBender的主要目的是利用第三方分析流程（例如CellRanger、Alevin、DropSeq、StarSolo等）生成的原始基因-细胞计数矩阵及分子级别信息，对系统性偏差和背景噪声进行建模和去除，从而生成更准确的基因表达估计值。

R语言中可使用decontX去除环境RNA污染：https://mp.weixin.qq.com/s/WZasC5TqaSgYiT7LjLGd0g

CellBender分析流程

1.导入

# 单独创建一个环境
# 如果是Mac推荐
CONDA_SUBDIR=osx-64 conda create -n cellbender python=3.7
# 其他
conda create -n cellbender python=3.7

# 激活环境
conda activate cellbender
pip install torch
conda install -c anaconda pytables
pip install numpy==1.21.6
git clone https://github.com/broadinstitute/CellBender.git
pip install -e CellBender

2.正式运行

使用GSE188711数据集中的GSM5688706样本

cellbender remove-background \
                 --input filtered_feature_bc_matrix.h5 \
                 --output GSM5688706.h5
                 --checkpoint ./ckpt.tar.gz \
                 --force-use-checkpoint

# 如果有GPU资源可以加上cuda
cellbender remove-background \
                 --cuda \
                 --input filtered_feature_bc_matrix.h5 \
                 --output GSM5688706.h5
                 --checkpoint ./ckpt.tar.gz \
                 --force-use-checkpoint

此命令将生成9个文件：

1. output_report.html：HTML 报告，包括绘图和注释，以及有关改进参数设置的任何警告或建议。
2. output.h5：作为h5文件的完整计数矩阵，去除了背景RNA。但不执行过滤。
3. output_filtered.h5：将过滤的计数矩阵作为 h5 文件，去除背景 RNA。“filtered” 一词表示此文件仅包含被确定为具有 > 50% 后验概率包含细胞的液滴。
4. output_cell_barcodes.csv：包含所有微滴条形码的CSV文件，这些条形码被确定为含有细胞的后验概率为>50%。条形码以纯文本形式编写。此信息也包含在上述每个 output 中，但作为单独的 output 包含在内，以便于在某些下游应用程序中使用。
5. output.pdf：提供推理过程的标准图形摘要的 PDF 文件。
6. output.log： 由 cellbender remove-background 运行生成的日志文件。
7. output_metrics.csv：描述运行的指标，可能用于在使用 CellBender 作为大规模自动化管道的一部分时标记有问题的运行。
8. ckpt.tar.gz：包含经过训练的模型和完整后验的检查点文件。
9. output_posterior.h5：噪声的完全后验概率计数。这通常不会在下游使用。

如果想节省空间，则只需要存储 output_report.html 和 output.h5。特别是 ckpt.tar.gz 是一个大文件，可以删除它以节省磁盘存储空间。（但是，如果保留此检查点文件，则可用于使用不同的 --fpr 创建新的输出计数矩阵，而无需重新运行冗长的训练过程。只需使用不同的 --fpr 再次运行该命令并指定 --checkpoint ckpt.tar.gz。

网页版文件会给出详细的运行过滤信息，可以阅读一下。

使用起来整体流程非常简单，但不同于基于R语言的一些工具，Cellbender在使用时需要对最原始的.h5文件进行处理。

参考资料：

1. Unsupervised removal of systematic background noise from droplet-based single-cell experiments using CellBender. Nat Methods. 2023 Sep;20(9):1323-1335.
2. CellBender：https://github.com/broadinstitute/CellBender

注：若对内容有疑惑或者有发现明确错误的朋友，请联系后台(欢迎交流)。更多相关内容可关注公众号：生信方舟 。