[发明专利]一种降低单细胞转录组数据中技术噪声的方法

说明书

本发明公开了一种降低单细胞转录组数据中技术噪声的方法，包括以下步骤：步骤一，根据单细胞转录组数据获取每个基因表达的平均方差；步骤二，根据所述每个基因表达的平均方差构建卡方分布模型并使用所述卡方分布模型计算多个候选阈值；步骤三，计算使用每个所述候选阈值时所得到的有效特征向量的个数；步骤四，基于所述有效特征向量的个数判定基因滤除的最优阈值；步骤五，基于所述最优阈值进行基因滤除。本发明的降低单细胞转录组数据中技术噪声的方法，可以平衡单细胞转录组数据预处理中控制残留噪声和减小信息损失之间的矛盾，并且基于统计最优化原则降低噪声，摒除人为干扰因素，显著提高了单细胞数据解读的可靠性。

技术领域

本发明涉及单细胞数据处理领域，尤其涉及一种降低单细胞转录组数据中技术噪声的方法。

背景技术

单细胞转录组数据中存在大量的技术噪音。这些技术噪音的来源复杂，随机性强，可能会极大的影响数据的解读。因此，单细胞数据解读的第一步往往是滤除掉技术噪声污染基因。已有的降低技术噪音的方法主要有两种，一是通过人工设定的硬阈值来滤除基因，比如Martinez-Jimenez(Martinez-Jimenez,C.P.,et al.“Aging increases cell-to-cell transcriptional variability upon immune stimulation(衰老增加免疫刺激后细胞间转录的变异性)”Science 355,1433-1436,2017)、Treutlein(Treutlein,B.,et al.“Reconstructing lineage hierarchies of the distal lung epithelium usingsingle-cell RNA-seq(使用单细胞RNA-seq重建远端肺上皮的谱系层次)”Nature 509,371-375,2014)以及Usoskin(Usoskin,D.,et al.“Unbiased classification of sensoryneuron types by large-scale single-cell RNA sequencing(通过大规模单细胞RNA测序对感觉神经元类型进行无偏分类)”Nature neuroscience 18,145-153,2015)均使用了人工设定的硬阈值进行基因滤除；另一种是通过回归方法计算阈值并滤除基因，比如Zeisel(Zeisel,A.,et al.“Cell types in the mouse cortex and hippocampusrevealed by single-cell RNA-seq(通过单细胞RNA-seq显示小鼠皮层和海马体中的细胞类型)”Science 347,1138-1142,2015)。但是，已有的方法都缺乏一个客观的评价标准，因而基因滤除的结果中有可能仍然包含大量的残留噪声或者有价值的生物学信息被错误地滤除。

因此，本领域的技术人员致力于开发一种可靠的降低单细胞转录组数据中技术噪声的方法，摒除人为干扰因素，提高单细胞数据解读的可靠性。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种比较客观的方法来判定滤除单细胞转录组数据中技术噪声的阈值，减少基因滤除的结果中的残留噪声，并保留有价值的生物学信息不被错误地滤除。

为实现上述目的，本发明提供了一种降低单细胞转录组数据中技术噪声的方法，包括以下步骤：

步骤一，根据单细胞转录组数据获取每个基因表达的平均方差；

步骤二，根据所述每个基因表达的平均方差构建卡方分布模型并使用所述卡方分布模型计算多个候选阈值；

步骤三，计算使用每个所述候选阈值时所得到的有效特征向量的个数；

步骤四，基于所述有效特征向量的个数判定基因滤除的最优阈值；

步骤五，基于所述最优阈值进行基因滤除。