医院动态

2022年5月23日，复旦大学附属金山医院邹欣副研究员团队在Briefings in Bioinformatics（计算生物学一区，IF=11.6）上发表了题为：”scCODE: an R package for data-specific differentially expressed gene detection on single-cell RNA-sequencing data”的研究论文。该研究评估40余种差异表达（differentially expressed，DE）基因分析策略，并开发了scRNA-seq数据个性化最优DE基因筛选系统平台——scCODE。

Evaluation of DE gene detection performance and schematic of scCODE.

研究背景
差异表达（differentially expressed，DE）基因的检测和评估一直是单细胞scRNA-seq数据分析中关键的一步，准确可靠的 DE 基因结果对下游分析具有深远影响。基于自主研发的scCODE算法提出全新的单细胞scRNA-seq数据一站式个性化DE基因分析系统，通过对单细胞数据多次建模分析，自动评估最优化分析结果，为科研人员深入解析单细胞数据提供准确高效的新工具。

研究结果

在以往的研究中，过滤低表达的基因被认为有助于DE分析，但其真正影响尚未得知，基因过滤也无统一标准。本研究第一部分从FPR、TPR和AUROC等评估标准分析了不同基因过滤方法对DE结果的影响。结果发现，恰当的基因过滤和DE方法的组合可以得到更好的DE结果，而不恰当的组合却会起到相反的效果。当DE分析策略所推测的DE基因表达分布与实际的基因表达分布更接近时，才能得到更准确的DE基因结果。同时，在实际应用中，探索未知领域的scRNA-seq样本，其概率分布不同，且缺乏先验知识，无法通过已有的评估标准如AUROC去挑选最优的分析方法。在本研究中，研究者设计了新的评估参数CDO和AUCC，可以在无需先验知识的创新性研究中，获得针对不同数据的最优分析策略，更高的真正例率（TPR）和很低的假阳性率（FPR）。

 Investigation of DE gene distribution detected by different combinations of methods, based on simulated-EMTAB8077_heart_kidney.

该平台已经发布于GitHub。目前已收到多个用户反馈良好。在基于scCODE的另外一项工作中，邹欣副研究员团队找到了一组肾癌免疫治疗预测的基因标志物，其在包含172个肾癌病人的数据中，免疫治疗疗效预测的AUC可达到93%，大大超出了已有研究的80%左右，相关论文已经在Nature Communications投稿。

GitHub链接：https://github.com/XZouProjects/scCODE

本论文的通讯作者为复旦大学附属金山医院邹欣副研究员，复旦大学附属中山医院郝洁研究员和辰山植物园陈可副研究员。上海交通大学生命科学技术学院2019级硕士邹佳伟为论文第一作者。（原文链接：https://academic.oup.com/bib/advance-article-abstract/doi/10.1093/bib/bbac180/6590434?login=false）

医学探索永远在路上，

闪光金医科研人，

快乐分享研究成果，

更多金医科研前沿，

敬请期待！