单细胞RNA测序实验中的缺失数据和技术变异性

直到最近，高通量基因表达技术（如RNA测序（RNA-seq））需要数十万细胞才能产生可靠的测量结果。近期技术进步允许在单细胞水平上进行全基因组基因表达测量。单细胞RNA-Seq（scRNA-seq）是最广泛使用的技术，许多出版物基于此技术产生的数据。然而，RNA-seq和scRNA-seq数据截然不同。特别是，与RNA-seq不同，scRNA-seq中报告的大多数表达水平为零，这可能是生物驱动的（即基因在测量时未表达RNA）或技术驱动的（即基因表达了RNA，但未达到被测序技术检测的足够水平）。另一个区别是，相较于RNA-seq样本，报告表达水平为零的基因在单细胞中的比例差异显著。然而，目前尚不清楚这种细胞间变异在多大程度上是由技术而非生物变异引起的。此外，尽管系统误差（包括批次效应）已被广泛报道为高通量技术的主要挑战，但这些问题在基于scRNA-seq技术的已出版研究中得到的关注很少。在此，我们使用评估实验检查已发表研究的数据，并证明系统误差可以解释观察到的细胞间表达变异的相当一部分。具体而言，我们提供证据表明，这些报告的零值中的一些是由技术变异驱动的，显示scRNA-seq产生的零值比预期的更多，并且这一偏差在低表达基因中更为明显。此外，缺失数据问题因这种技术变异在细胞间的变化而加剧。然后，我们展示了这种技术细胞间变异如何与新的生物结果混淆。最后，我们证明并讨论了批次效应和混淆实验如何加重该问题。