参考单细胞数据对不上时,迭代GSNMF仍能解卷积:疟原虫模拟中细胞比例中位误差低于0.05
核心概要
从混合组织RNA测序数据中同时估计细胞比例和细胞类型特异表达谱,是一类无参考的解卷积问题,非负矩阵分解的解不唯一使结果难以解释。此前GSNMF+借助单细胞数据构造伪混合样本稳定求解,但当参考单细胞数据与混合样本内在的表达谱不一致时精度明显下降。迭代GSNMF在内部用乘性更新求解,在外层反复修正参考表达谱,在合成数据和疟原虫真实单细胞数据构造的混合样本上改善了比例估计,其中位误差低于0.05。
深度剖析
混合组织RNA测序的解卷积现在可以在参考单细胞数据与目标组织内在表达谱不一致时继续使用,而不必先让两者对齐。 此前的GSNMF+把单细胞数据当作辅助样本参与完全解卷积,在参考数据与目标组织表达谱不一致时解卷积精度会显著下降。 在合成数据中,当参考与目标表达谱的尺度比为1:5或反向时,原GSNMF+给出的目标样本细胞比例与真值完全不符,而迭代版本在未做任何重缩放的情况下给出最接近真值的结果。
做法是把一次解卷积拆成内外两层循环:内层照常求解,外层用解出的比例反推一份更接近目标组织的参考表达谱。 内层改用乘性更新,即按元素逐步调整两个非负矩阵的迭代规则,替代此前的交替方向乘子法,并给出了该更新收敛到稳定点的证明。 在几何结构约束的非负矩阵分解问题上,交替方向乘子法达到给定误差所需的迭代步数更少,但总计算时间更长;外层迭代被明确描述为经验性的定性步骤,没有收敛性理论保证。
启示与展望
验证覆盖计算机生成的合成混合数据,以及由Dogga等与Howick等两套独立疟原虫单细胞数据构造的伪混合样本,后者包含环状体、滋养体和裂殖体三个虫期,并只保留两套数据共有的基因。真实混合组织样本缺少已知细胞比例,因此当前评估建立在模拟之上。
外层迭代被描述为经验性的定性方法,没有计算收敛的理论支持,最终结果未必收敛到真实的表达谱矩阵。在疟原虫模拟中,方法复现了环状体占比超过90%、另两个虫期各低于5%的整体格局,但没有捕捉到部分样本中环状体低至0.6、另两类高达0.2的波动;相比之下BayesPrism与真值的总体皮尔逊相关为0.96,却未复现这一整体构成特征。
