Normalización y estabilización de la varianza de datos de RNA-seq de una sola célula mediante regresión de binomial negativa regularizada

Los datos de RNA-seq de una sola célula (scRNA-seq) muestran una variación significativa de célula a célula debido a factores técnicos, incluyendo el número de moléculas detectadas en cada célula, lo que puede confundir la heterogeneidad biológica con efectos técnicos. Para abordar esto, presentamos un marco de modelado para la normalización y estabilización de la varianza de datos de conteo molecular de experimentos de scRNA-seq. Proponemos que los residuos de Pearson de la "regresión de binomial negativa regularizada", donde la profundidad de secuenciación celular se utiliza como covariable en un modelo lineal generalizado, eliminan con éxito la influencia de características técnicas en los análisis posteriores preservando la heterogeneidad biológica. Es importante destacar que mostramos que un modelo de binomial negativa sin restricciones puede sobreajustar los datos de scRNA-seq, y superamos esto agrupando información a través de genes con abundancias similares para obtener estimaciones de parámetros estables. Nuestro procedimiento omite la necesidad de pasos heurísticos, incluyendo la adición de pseudocuentas o la transformación logarítmica, y mejora tareas analíticas comunes posteriores como la selección de genes variables, la reducción dimensional y la expresión diferencial. Nuestro enfoque se puede aplicar a cualquier conjunto de datos de scRNA-seq basado en UMI y está disponible de forma gratuita como parte del paquete R sctransform, con una interfaz directa a nuestro kit de herramientas de células individuales Seurat.