Seurat中Harmony整合后使用FindAllMarkers的注意事项

在单细胞RNA测序数据分析中，批次效应校正和差异表达分析是两个关键步骤。Seurat作为广泛使用的单细胞分析工具包，提供了完整的分析流程。本文将重点探讨在使用Harmony进行批次效应校正后，如何正确使用FindAllMarkers函数进行差异表达分析。

Harmony整合的本质

Harmony是一种流行的单细胞数据整合方法，它通过迭代优化过程将不同批次的数据对齐到共享的嵌入空间中。需要明确的是：

1. Harmony只校正细胞在低维空间(如PCA空间)中的位置关系
2. 它不会修改原始的基因表达矩阵(RNA或SCT assay)
3. 整合后的数据保留了原始表达量的生物学变异

FindAllMarkers的使用策略

在完成Harmony整合和基于整合空间的聚类后，进行差异表达分析时应注意：

1. 使用原始assay：FindAllMarkers应该在RNA或SCT assay上运行，而不是在整合后的数据上

2. 考虑批次效应：虽然Harmony已经校正了批次对聚类的影响，但在差异表达分析中仍可能需要考虑批次效应

3. 测试方法选择：Seurat提供了多种差异表达测试方法，包括：

   • Wilcoxon秩和检验(默认)
   • 负二项模型
   • ROC分析
   • 逻辑回归等

4. 协变量控制：对于某些测试方法(如逻辑回归)，可以通过additional parameters添加批次作为协变量

实际应用建议

1. 对于轻度批次效应，使用默认的Wilcoxon检验通常足够
2. 对于强批次效应，考虑使用能纳入批次作为协变量的测试方法
3. 比较不同方法的结果，评估批次效应的影响程度
4. 注意解释结果时考虑整合过程可能引入的技术偏差

总结

Harmony整合和差异表达分析是单细胞数据分析流程中相互关联但独立的两步。正确理解每种方法的适用范围和局限性，才能获得可靠的生物学发现。在实际分析中，应根据数据特性和科学问题选择合适的分析方法组合。