隨著單細胞測序技術的快速發展，多個全球性的、大規模的細胞圖譜項目相繼啟動，例如人類細胞圖譜計劃等。然而，把來自于不同組織、不同發育階段或者只有很少重疊細胞類型的單細胞轉錄組數據集進行準確有效的整合仍然具有非常大的挑戰性。因為當前整合單細胞數據的方法需要校正批次效應從而達到整合分析的目的，而上述所涉及的數據集的批次信息不清晰，利用這些方法常常會導致校正過度或者校正不足等問題，從而影響研究結論的準確性和可靠性。

為了解決上述問題，北京未來基因診斷高精尖創新中心、北京大學生物醫學前沿創新中心湯富酬課題組與北京大學數學科學學院李鐵軍課題組合作在Briefings in Bioinformatics上在線發表了題為Integrating single-cell datasets with ambiguous batch information by incorporating molecular network features的研究論文。該研究引入了一個名為SCORE（Single-Cell mOleculaRnEtwork）的統一分析框架，該方法可以不依賴批次信息整合不同單細胞數據集（https：//github.com/wycwycpku/RSCORE）。

該研究假設各個基因在細胞中不是孤立地執行功能，而是傾向于多個不同的基因形成復雜的分子網絡（例如不同基因的蛋白質產物相互結合形成蛋白質復合物）、相互作用一起來決定細胞或生物體的生理表型。而且，在生物體的發育和分化過程中，從一種細胞狀態到另一種細胞狀態的轉變常常伴隨著對前一個細胞狀態關鍵分子網絡的主動抑制以及對下一個細胞狀態分子網絡的協同激活（下圖）。基于以上的科學假設，SCORE精準模擬了單細胞數據集的分子網絡動態變化，成功地整合了人類胚胎5個不同器官的單細胞轉錄組數據集和人類成年個體的15 個主要器官的單細胞轉錄組數據集。除此之外，該研究還驗證了SCORE的準確性、穩健性和可擴展性。綜上所述，SCORE 可以幫助整合和分析從各種來源獲得的單細胞轉錄組、染色質狀態組等各種組學的數據集（例如來自不同擴增方法、不同測序平臺、不同物種的單細胞轉錄組數據集），從而為復雜的生物過程提供新的理解。(世聯博研(Bioexcellence)世聯博研Bioexcellence）

小編推薦會議 2021 （第四屆）單細胞多組學研究與臨床應用峰會

http://meeting.世聯博研Bioexcellence/2021SC