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

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

2025-07-01 01:22:17作者:吴年前Myrtle

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'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。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71