加州大学洛杉矶分校（UCLA）的两名研究人员提出了一种新型计算工具，它能帮助研究人员测量单个细胞内基因表达强度的可靠性，特别是针对那些细胞几乎不读取的基因。这项研究发表在近期出版的《Nature Communications》。

 

人体细胞以不同方式表达自己，一种细胞选择表达的遗传密码，另一种细胞反而完全忽略相同信息。理解这些信息有助于刺激新干细胞疗法生成，或者窥视更深层的生命发育基本原则。迄今为止，研究细胞-细胞之间基因表达差异仍然是具有挑战性的。

 

DNA的阅读和执行任务在于RNA，移动的RNA将一长串的遗传指令传送到细胞其他部位，通过计算细胞内各种RNA分子，研究人员可得知哪些基因是活跃的或表达到什么程度。

 

然而，对于非常微量的RNA分子，许多分析工具可能误以为相应的基因根本不活跃，这些“失漏”将导致错误的细胞间差异绘图。

 

现在，加州大学洛杉矶分校（UCLA）的两名研究人员提出了一种新型计算工具，它能帮助研究人员测量单个细胞内基因表达强度的可靠性，特别是针对那些细胞几乎不读取的基因。这项研究发表在近期出版的《Nature Communications》。

 

“脑细胞、肝细胞和心脏细胞的DNA序列完全相同，”这项研究的通讯作者、UCLA统计学助理教授Jingyi "Jessica" Li说。“为什么细胞与细胞看起来如此不同？基因表达是关键。”

 

“如果你想在单细胞水平上获得有用生物信息，那么，你需要做一些统计推断，”Li教授说。“否则你的结论可能就是错的。”

 

UCLA统计系博士生Wei "Vivian" Li与Li教授共同设计了一款用于处理RNA测序“失漏”的统计分析软件，这款工具名叫“scImpute”。

 

“估算并不新鲜，然而，现有的可用工具要么过于宽泛，将一种细胞的全部基因表达套用于另一种细胞；要么太局限，专门针对某一特定类型研究。scImpute的优点是兼备通用性和灵活性，”Jessica Li说。该工具具有外科手术般的精度，仅选取最有可能遗漏的丰度区间，可用于任何类型的单细胞基因表达分析。

 

Vivian Li利用模拟和实际数据对scImpute进行测试，其中一些是实际基因表达水平的实验证据，scImpute比其他任何方法更准确。该软件可靠地将“失漏”基因与那些根本没有表达的基因区分开来，并提供了基因实际丰度的精确估值。

 

目前，采用R语言编程，作为一个通用科学统计计算平台的scImpute开源软件是免费的。

 

两位研究员已经在一小群细胞中证明，scImpute丢失率很低，但是对大规模细胞群来说，它的丢失率可能超过90%。因此，研究小组的下一步目标是扩大使用情境，进一步提高可靠性。通过从网上吸纳其他基因信息，她们相信scImpute将成为一个更强大的工具。

 

 

原文检索：An accurate and robust imputation method scImpute for single-cell RNA-seq data