Évaluation des outils pour la découverte de gènes hautement variables à partir des données de séquençage RNA de cellule unique

Le séquençage RNA traditionnel (RNA-seq) permet la détection des variations d'expression génique entre deux populations cellulaires ou plus grâce à l'analyse des gènes exprimés de manière différentielle (DEG). Cependant, les gènes qui contribuent aux différences entre cellules ne sont pas détectables avec le RNA-seq car les échantillons de RNA-seq sont obtenus à partir d'un mélange de cellules. Le séquençage RNA de cellule unique (scRNA-seq) permet la détection de l'expression génique dans chaque cellule. Avec le scRNA-seq, la découverte de gènes hautement variables (HVG) permet de détecter des gènes qui contribuent fortement à la variation entre cellules au sein d'une population cellulaire homogène, telle qu'une population de cellules souches embryonnaires. Cette analyse est mise en œuvre dans de nombreux logiciels. Dans cette étude, nous comparons sept méthodes HVG provenant de six logiciels, y compris BASiCS, Brennecke, scLVM, scran, scVEGs et Seurat. Nos résultats montrent que la reproductibilité de l'analyse HVG nécessite une taille d'échantillon plus grande que celle de l'analyse DEG. Les divergences entre les méthodes et les problèmes potentiels de ces outils sont discutés et des recommandations sont faites.