Normalização e estabilização de variância de dados de RNA-seq de célula única usando regressão binomial negativa regularizada

Dados de RNA-seq de célula única (scRNA-seq) exibem variação significativa de célula para célula devido a fatores técnicos, incluindo o número de moléculas detectadas em cada célula, o que pode confundir a heterogeneidade biológica com efeitos técnicos. Para abordar isso, apresentamos uma estrutura de modelagem para a normalização e estabilização da variância de dados de contagem molecular de experimentos de scRNA-seq. Propomos que os resíduos de Pearson da "regressão binomial negativa regularizada", onde a profundidade de sequenciamento celular é utilizada como uma covariável em um modelo linear generalizado, removem com sucesso a influência de características técnicas das análises subsequentes, preservando a heterogeneidade biológica. É importante destacar que mostramos que um modelo binomial negativo não restrito pode superajustar os dados de scRNA-seq e superamos isso agrupando informações entre genes com abundâncias similares para obter estimativas de parâmetros estáveis. Nosso procedimento elimina a necessidade de etapas heurísticas, incluindo a adição de pseudocontagens ou transformação logarítmica, e melhora tarefas analíticas comuns subsequentes, como seleção de genes variáveis, redução dimensional e expressão diferencial. Nossa abordagem pode ser aplicada a qualquer conjunto de dados de scRNA-seq baseado em UMI e está disponível gratuitamente como parte do pacote R sctransform, com uma interface direta para nossa ferramenta de célula única Seurat.