基于单细胞测序数据构建细胞状态转换轨迹(cell trajectory)方法总结

细胞状态转换轨迹构建示意图（Trapnell et al. Nature Biotechnology, 2014）


在各种生物系统中，细胞都会展现出一系列的不同状态（如基因表达的动态变化等），这些状态（state）之间会按照一定的时间顺序转换。最典型的比如细胞的分化过程，从不成熟的细胞逐渐分化为成熟细胞。此外，细胞在受到外界刺激或扰动时，细胞内基因的表达也可能发生一系列的变化，从而呈现出一系列状态的转换。

这些特别提一下，细胞状态（cell state）和细胞亚型（cell subtype）是两种不同的概念。一种类型的细胞，可进一步细分为不同的亚型（cell subtype），这些亚型是相对稳定的。而不同的细胞亚型受到外界刺激或扰动时，可能展现出不同的状态（cell state），这种状态是暂时。

利用单细胞转录组测序（single-cell RNA-seq）技术对相应的样本进行测序后，就可基于单细胞测序数据具体研究不同细胞状态间的转换过程，中文常称作细胞轨迹的构建或拟时间序列的构建，英文叫cell trajectory/lineage and pseudotime reconstruction/inference。其中pseudotime，中文翻译为拟时间， 一种假定的时间序列。这种类型的单细胞测序数据分析，是根据细胞中基因的表达情况，将不同的细胞按照拟时间序列从开始状态、中间状态、终点状态来排列。从而能促进阐释细胞转态转换的潜在机制（更多精彩请关注微信公众号：AIPuFuBio）。

目前已经有不少软件相继被开发出来构建细胞的状态转换轨迹，如Monocle (Trapnell et al., 2014), Waterfall (Shin et al., 2015), Wishbone (Setty et al., 2016), TSCAN (Ji and Ji, 2016), Monocle2 (Qiu et al., 2017)等。具体可参照下表所示：

目前比较流行的细胞转换轨迹构建方法（Chen et al. Frontiers in Genetics, 2019）


最近，Saelens et al.等人利用110个真实的数据集和229个人工合成数据集系统比较了45个不同的细胞轨迹预测方法（Saelens et al. Nature Biotechnology, 2019）。具体如下：

细胞轨迹构建方法主要可以分为图中的7大类（Saelens et al. Nature Biotechnology, 2019）



45 种不同细胞轨迹构建方法特征总结（a）和具体的比较参数包括准确性、可扩展性、稳定性等（b）（Saelens et al. Nature Biotechnology, 2019）



45 种不同细胞轨迹构建方法的具体性能比较（Saelens et al. Nature Biotechnology, 2019）。a、45种方法的名字；b、结果准确性比较；c、运行时间比较（k代表1000个细胞）；d、稳定性比较；e、软件质量和发表文章档次比较

不同类型方法之间的互补性（Saelens et al. Nature Biotechnology, 2019）

细胞轨迹构建方法的选择标准建议（Saelens et al. Nature Biotechnology, 2019）

总的来说，Saelens et al. 等建议这些不同细胞轨迹构建软件的功能是相互补的，选择软件时，需要基于数据的维度和细胞轨迹的复杂性等来综合考虑。（更多经典，可见大型免费综合生物信息学资源和工具平台AIPuFu：www.aipufu.com，微信公众号：AIPuFuBio）。

希望今天的内容对大家有用哦，会持续更新的，欢迎留言~~

参考文献：

1. Chen et al. Single-Cell RNA-Seq Technologies and Related Computational Data Analysis，Frontiers in Genetics, 2019

2. Saelens et al. A comparison of single-cell trajectory inference methods, Nature Biotechnology, 2019