OmicVerse: 解决整个转录组学分析的Python框架
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 [1] 。我是论文的第一作者。
代码仓库： https:// github.com/Starlitnight ly/omicverse/
框架教程： https:// omicverse.readthedocs.io /en/latest/
论文地址： OmicVerse: A single pipeline for exploring the entire transcriptome universe
引言
OmicVerse 是在我大三保研做Bulk RNA-seq时提出的，当时为了自己分析的方便，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RNA-seq，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/
单细胞 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 [2] 。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 [3] [4] 。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中应用阿尔茨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 [5] 。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/Starlitnight ly/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
- ^ 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.
- ^ Cao Z-J, Gao G. Multi-omics single-cell data integration and regulatory inference with graph-linked embedding. Nat Biotechnol. 2022;40:1458–66.
- ^ Argelaguet R, Arnol D, Bredikhin D, Deloro Y, Velten B, Marioni JC, et al. MOFA+: a statistical framework for comprehensive integration of multi-modal single-cell data. Genome Biol. 2020;21
- ^ Argelaguet R, Clark SJ, Mohammed H, Stapel LC, Krueger C, Kapourani C-A, et al. Multi-omics profiling of mouse gastrulation at single-cell resolution. Nature. 2019;576:487–91.
- ^ Liao J, Qian J, Fang Y, Chen Z, Zhuang X, Zhang N, et al. De novo analysis of bulk RNA-seq data at spatially resolved single-cell resolution. Nature Communications. 2022;13:6498.