Seurat项目中AggregateExpression函数在CITEseq蛋白数据上的CLR标准化问题解析

背景介绍

在单细胞数据分析中，Seurat是一个广泛使用的R语言工具包，特别适用于单细胞RNA测序(scRNA-seq)和CITE-seq(同时检测转录组和表面蛋白)数据的分析。其中，AggregateExpression函数是一个重要功能，用于将单细胞数据聚合成"伪批量"表达数据，便于后续分析。

问题发现

在使用Seurat 5.0.2版本处理CITEseq蛋白数据(ADT)时，研究人员发现AggregateExpression函数在指定CLR(Centered Log Ratio)标准化时存在一个潜在问题。具体表现为：

当设置normalization.method = 'CLR'且margin = 2(按行/特征标准化)时，函数实际执行的是margin = 1(按列/细胞标准化)的CLR转换，这与预期行为不符。

技术细节

CLR标准化是处理成分数据(如CITE-seq蛋白数据)的常用方法，它通过对数转换后减去几何均值来消除组成偏差。在Seurat中：

• margin = 1：对每个细胞的所有蛋白标记物进行CLR转换
• margin = 2：对每个蛋白标记物在所有细胞中进行CLR转换

在聚合分析中，正确的标准化方向对结果解释至关重要。按特征(margin=2)标准化可以确保不同标记物间的表达水平可比性，而按细胞(margin=1)标准化则更关注细胞间的比较。

影响分析

这一行为差异可能导致：

1. 在比较不同蛋白标记物表达水平时产生偏差
2. 下游分析如差异表达分析的结果可能受到影响
3. 批次效应校正等步骤的效果可能不如预期

解决方案

根据Seurat开发团队的反馈，该问题已在最新版本中得到修复。建议用户：

1. 升级到最新版Seurat
2. 如果暂时无法升级，可以明确指定标准化方向后手动验证结果
3. 对于关键分析，建议通过其他方法(如手动CLR转换)验证结果可靠性

最佳实践建议

处理CITE-seq蛋白数据时：

1. 明确标准化方向的选择依据
2. 对关键步骤进行结果验证
3. 保持软件版本更新
4. 记录详细的参数设置以便结果复现

该问题的发现和修复体现了开源社区协作的优势，也提醒我们在数据分析过程中保持对工具行为的验证意识。