Seurat项目中SCTransform的UMI校正策略解析

背景介绍

在单细胞RNA测序数据分析中，Seurat是一个广泛使用的R语言工具包。其中SCTransform函数是用于数据标准化和方差稳定的重要方法，特别适用于处理来自不同实验批次或不同测序深度的数据集。在实际分析中，我们经常会遇到样本间测序深度差异较大的情况，这给数据整合和比较带来了挑战。

测序深度差异问题

当合并多个数据集时，各数据集的UMI(Unique Molecular Identifier)中位数可能存在显著差异。例如在某个研究中，24个数据集的UMI中位数从520到6594不等。这种数量级的差异会导致：

1. 低测序深度样本的基因表达量被过度校正
2. 高质量样本的信息可能被稀释
3. 下游分析如差异表达可能产生偏差

SCTransform的默认行为

SCTransform默认会使用各数据集UMI中位数的最小值作为校正基准。这种保守策略虽然能确保所有数据都被正确处理，但对于测序深度差异大的数据集可能不是最优选择，因为它会使高质量样本的表达量被不必要地下调。

替代校正策略

针对这种情况，可以考虑以下几种替代方案：

1. 使用均值校正：计算各数据集UMI中位数的平均值作为校正基准
2. 使用中位数校正：取所有数据集UMI中位数的中值
3. 自定义scale_factor：直接指定一个合理的缩放因子

实现方法

在Seurat中实现这些策略有两种主要方式：

1. 在SCTransform中指定scale_factor：

srat.merged <- SCTransform(srat.merged, 
                          assay = "Spatial",
                          vst.flavor = "v2",
                          method = "glmGamPoi",
                          scale_factor = mean_umi_value)

2. 后续分析中禁用重新校正：

PrepSCTFindMarkers(recorrect_umi = FALSE)

选择策略的建议

1. 如果数据集中大部分样本质量较高，只有少数低质量样本，建议使用中位数或截尾均值
2. 如果数据质量分布均匀，可以使用算术平均值
3. 如果有明确的生物学或技术参考标准，可以手动设置scale_factor

注意事项

1. 无论选择哪种策略，都应评估校正后数据的分布情况
2. 建议在UMAP/tSNE可视化中检查批次效应是否得到缓解
3. 对于差异表达分析，应考虑校正策略对结果的影响

通过合理选择UMI校正策略，可以在保留高质量数据信息的同时，有效整合不同测序深度的数据集，为下游分析提供更可靠的基础。