Python的转录组学分析框架与生态

2023年6月7日，来自北京科技大学，清华大学与中山大学的研究者在biorxiv上发布了一篇题为“OmicVerse: A single pipeline for exploring the entire transcriptome universe” 的研究工作，该框架的提出解决了RNAseq分析诸多问题：

• 解决了单细胞转录组学与bulk转录组学分析中不同算法的格式不一致，运算过慢以及不够美观的可视化问题；
• 除此之外，该框架还提出了一种名为“BulkTrajBlend”的单细胞插补算法，用于解决单细胞测序中由于技术限制（如通量，细胞类型）导致的细胞分化的中断问题。

我们邀请到了论文的第一作者来介绍整个工作。

• 代码仓库：https://github.com/Starlitnightly/omicverse/
• 框架教程：https://omicverse.readthedocs.io/en/latest/

引言

omicverse是在我大三保研做Bulk RNA-seq时提出的，当时为了自己的方便，就把差异表达分析（DEG），加权基因共表达分析（WGCNA），通路富集分析（GSEA）等整合进了一个叫Pyomic的包中方便自己调用，当时的野心很大，想把整个组学分析都用Python来完成（笑）。

现在博士一年级，也做了快两年的单细胞分析，中途用了很多包，但不同的包之间，对于格式的需求往往是不一样的，而且有的包本身并没有好好利用GPU的计算优势，并且大部分的包所作的图与CNS上的图差别还是比较大的。所以我就把当时的Pyomic给捡了起来，把我做分析用到的所有包都塞进了omicverse里面，统一了它们的输入输出，并对部分可以优化的算法进行了优化，以及给出了一些新的可视化函数来帮助研究人员呈现结果。可能你会想，这不就是一个整合的包吗？但其实不是。

• 我通过大量的基准测试，以及相关的paper，整理出了一套最适的Python单细胞分析流程，Bulk RNA-seq分析流程与可视化。
• 我提出了一种新的生物学算法“BulkTrajBlend”，解决了单细胞测序中由于通量限制导致的细胞不连续现象。

Bulk RNA-seq

整个框架由三部分构成，分别是Bulk RNA-seq，singel cell RNA-seq以及Bulk2Single部分。

omicverse提出了一套完整的Bulk RNA-seq分析流程，包括基因ID比对，差异表达分析（ttest，wliconx，DESeq2），通路富集分析，基因共表达模块分析。

在Supplementary Note里面，我们通过阿尔茨海默症的RNA-seq数据演示了整个分析。

Bulk RNA-seq分析教程：https://omicverse.readthedocs.io/en/latest/Tutorials-bulk/t_deseq2/

single cell RNA-seq

对于单细胞分析，omicverse也提供了一套完整的分析框架，包括单细胞质控与预处理,细胞类型自动注释，细胞分化轨迹推断，亚群差异表达分析，细胞通路打分AUCell，药物反应预测，细胞通讯分析。我们应用结直肠癌的单细胞数据来完成了分析的实验。

单细胞RNA-seq分析教程：https://omicverse.readthedocs.io/en/latest/Tutorials-single/t_cellanno/

scRNA-seq与scATAC-seq联合分析

在去年，来自北京大学的高歌课题组提出了一种名为GLUE的算法，将两个不同的组学层嵌入到一个低维空间中，文章发表在Nature Biotechnology。在2018年，多组学算法MOFA的提出解决了斑马鱼内胚层命运的分化问题，文章发表在Nature上。但MOFA受限于一个样本多个组学层，GLUE恰好可以解决不同组学层的整合问题，故我们将GLUE与MOFA的联合分析整合进了omicverse中。我们在Supplementary中应用阿尔兹海默症证明分析的可靠性。

多组学分析教程：https://omicverse.readthedocs.io/en/latest/Tutorials-single/t_mofa_glue/

从Bulk RNA-seq生成Single RNA-seq

2022年，浙江大学范晓辉课题组提出了BulkSpace算法，该算法利用解卷积与深度随机森林模型解决了从Bulk RNA-seq生成空间转录组数据的问题。我们将该算法拆解成两个部分：bulk2single与single2spatial，并且我们改进了single2spatial部分，因为原作者是想用深度随机森林完成分类问题，我们改成了神经网络完成分类问题，充分利用了GPU加速。我们对比了优化前后的算法，分类与生成效果一致，同时速度大幅提升。我们在阿尔茨海默症和PDAC数据上给出了算法的分析框架。

Bulk2single分析教程：https://omicverse.readthedocs.io/en/latest/Tutorials-bulk2single/t_bulk2single/

结语

我个人很喜欢这项工作，它减少了我很多的代码量。在论文的最后部分我是这么写的。我希望构建一个基于Python的转录组学分析框架与生态，但仅凭我一人之力可能还有很多问题没有发现，欢迎对omicverse感兴趣的研究人员在github上面提相关的issue或者pr，帮助omicverse变得更好。

github地址：https://github.com/Starlitnightly/omicverse/

我们的目标是在Python环境中创建一个适用于bulk/singel RNA-seq分析和优美可视化的生态系统。用户可以利用Python社区的机器学习模型和专业知识，使用单一编程语言进行全面的转录组分析。随着OmicVerse不断发展，我们预计会进行持续更新，引入新的算法、功能和模型。OmicVerse预计将受益于bulk/singel RNA-seq社区，促进新模型的原型开发，建立跨组学分析的标准，以及加强科学发现的流程。

参考文献：

[1] Zeng Z, Ma Y, Hu L, Xiong Y, Du H. OmicVerse: A single pipeline for exploring the entire transcriptome universe. Cold Spring Harbor Laboratory; 2023.