2021年8月10日，深圳華大生命科學(xué)研究院精準(zhǔn)健康研究所智能算法團(tuán)隊(duì)在知名學(xué)術(shù)雜志《遺傳學(xué)前沿》（Frontiers in Genetics）在線發(fā)表了題為“deepMNN: Deep Learning-Based Single-Cell RNA Sequencing Data Batch Correction Using Mutual Nearest Neighbors”的研究論文梧田，文章提出了一種新的基于深度學(xué)習(xí)模型進(jìn)行單細(xì)胞RNA測(cè)序數(shù)據(jù)（scRNA-seq）批次效應(yīng)校正的方法deepMNN膳汪。
高通量單細(xì)胞RNA測(cè)序技術(shù)的快速發(fā)展產(chǎn)生了海量的scRNA-seq數(shù)據(jù)框沟，充分利用并整合不同數(shù)據(jù)集進(jìn)行大規(guī)模單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)挖掘可以為細(xì)胞異質(zhì)性及其進(jìn)化動(dòng)力學(xué)提供更多新的見(jiàn)解雇毫。然而不同scRNA-seq數(shù)據(jù)可能產(chǎn)生于不同時(shí)間和測(cè)序平臺(tái)恒界，這些數(shù)據(jù)之間不可避免的存在技術(shù)或無(wú)生物學(xué)意義差異的批次效應(yīng)桨啃。雖然目前已經(jīng)提出了許多scRNA-seq數(shù)據(jù)批次效應(yīng)校正算法车胡，但大多數(shù)方法需要消耗大量?jī)?nèi)存和時(shí)間，且這種需求隨著不斷增加的scRNA-seq數(shù)據(jù)會(huì)進(jìn)一步加劇照瘾。
deepMNN是什么匈棘？
研究團(tuán)隊(duì)基于深度學(xué)習(xí)模型設(shè)計(jì)并開(kāi)發(fā)了deepMNN方法用于校正scRNA-seq數(shù)據(jù)批次效應(yīng)。deepMNN通過(guò)主成分分析降維并在其子空間中計(jì)算批次間的互近鄰對(duì)（MNN pairs）析命，然后構(gòu)建一個(gè)基于深度殘差網(wǎng)絡(luò)的深度學(xué)習(xí)模型消除批次效應(yīng)主卫。deepMNN通過(guò)自己特有的損失函數(shù)指導(dǎo)其進(jìn)行模型學(xué)習(xí)從而消除scRNA-seq數(shù)據(jù)間的批次效應(yīng)。
deepMNN的性能測(cè)試
為了評(píng)估deepMNN的批次效應(yīng)校正效能昼浦，文章使用4種不同批次場(chǎng)景的scRNA-seq數(shù)據(jù)集馍资，包括（A）兩個(gè)批次且細(xì)胞類型相同，（B）兩個(gè)批次但細(xì)胞類型不同（即batch-specific數(shù)據(jù)）关噪，（C）多個(gè)批次數(shù)據(jù)集鸟蟹，（D）大規(guī)模數(shù)據(jù)集。
文章在4種不同場(chǎng)景下比較了deepMNN和常用的批次效應(yīng)校正算法（Harmony, Scanorama和Seurat V4）以及已發(fā)表的基于深度學(xué)習(xí)的批次效應(yīng)校正方法（MMD-ResNet和scGen）使兔。實(shí)驗(yàn)結(jié)果表明建钥，與其他校正方法相比，deepMNN不僅在定性指標(biāo)（UMAP可視化結(jié)果）和定量指標(biāo)（batch and cell entropy, ARI F1 score 和 ASW F1 score）方面達(dá)到較好或可比的性能虐沥，且處理大數(shù)據(jù)時(shí)在運(yùn)算時(shí)間方面有較大優(yōu)勢(shì)熊经。
值得注意的是欲险，對(duì)于多批次數(shù)據(jù)镐依，目前常見(jiàn)的批次效應(yīng)校正算法如Scanorama 和 Seurat V4一次只合并兩個(gè)數(shù)據(jù)集，并通過(guò)迭代來(lái)完成多個(gè)數(shù)據(jù)集的集成天试。而deepMNN 是目前已知第一個(gè)可以一步整合多個(gè)批次 scRNA-seq 數(shù)據(jù)的方法槐壳。對(duì)于大規(guī)模數(shù)據(jù)集HCA（總計(jì)達(dá)528014個(gè)細(xì)胞）中進(jìn)行批次效應(yīng)校正，由于Seurat V4 和scGen超出了64G內(nèi)存限制使其不可運(yùn)行喜每，deepMNN使用17分鐘完成了該大規(guī)模數(shù)據(jù)集的批次效應(yīng)校正务唐，而Harmony和Scanorama則分別需要大約35分鐘和77分鐘雳攘。
總之枫笛，文章基于深度學(xué)習(xí)模型提出新的單細(xì)胞RNA測(cè)序數(shù)據(jù)批次效應(yīng)校正方法deepMNN吨灭，準(zhǔn)確性優(yōu)于現(xiàn)有常用方法，特別是在大規(guī)模數(shù)據(jù)集的情況下刑巧，deepMNN算法的時(shí)間復(fù)雜度和空間復(fù)雜度均表現(xiàn)優(yōu)異喧兄，同時(shí)deepMNN一步即可整合多批次數(shù)據(jù)集，無(wú)需多次迭代海诲。
深圳華大生命科學(xué)研究院白勇博士繁莹、金鑫研究員為論文共同通訊作者。
deepMNN的源代碼特幔，包括研究的實(shí)驗(yàn)結(jié)果咨演，可以在以下網(wǎng)址獲取 ：https://github.com/zoubin-ai/deepMNN??
首發(fā)公號(hào)：國(guó)家基因庫(kù)大數(shù)據(jù)平臺(tái)??
參考文獻(xiàn)
Zou B, Zhang T, Zhou R, et al. deepMNN: Deep Learning-Based Single-Cell RNA Sequencing Data Batch Correction Using Mutual Nearest Neighbors[J]. Frontiers in Genetics, 2021: 1441.
圖片及信息來(lái)源：“華大BGI”公眾號(hào)
