10X单细胞（10X空间转录组）CNV分析回顾之CopyKAT

Question

如题所述

Answer 1

10X单细胞空间转录组CNV分析回顾：CopyKAT详解
在隔离期间，我们今天回顾CopyKAT，一款用于推断单细胞转录组中肿瘤细胞CNV的软件。面对区分肿瘤与正常细胞及解析复杂克隆结构的挑战，CopyKAT运用高通量单细胞RNA测序数据，估计5 Mb分辨率的基因组拷贝数谱。

CopyKAT的工作流程采用贝叶斯方法与层次聚类结合，处理3' scRNA-seq数据，以识别非整倍体肿瘤细胞。它从基因表达矩阵的UMI计数出发，通过排序、方差平滑、二倍体细胞子集检测和GMM模型来确定拷贝数基线。在处理染色体断点时，利用泊松伽马模型和MCMC迭代，结合KS检验确定断裂点，将数据转换为5 Mb分辨率的基因组拷贝数谱。

需要注意的是，CopyKAT在处理新高通量平台数据时表现优秀，但当正常细胞罕见或CNA事件有限时，分类可能存在误差。若遇到这类情况，CopyKAT提供了GMM定义模式，通过高斯混合模型识别二倍体细胞。对于儿童和液体肿瘤，CopyKAT可能难以准确预测，这时可以使用正常细胞或免疫细胞作为参考输入。

了解了CopyKAT的算法原理后，你可以通过输入基因表达矩阵（UMI计数）开始分析，如10X Cellranger输出的格式。在解读结果时，肿瘤细胞的非整倍体被预测为异常，而二倍体细胞视为正常细胞，通过热图可以进一步定义肿瘤细胞的亚克隆群体及其基因表达差异。

让我们共同期待CopyKAT在单细胞转录组CNV分析中的应用，希望疫情早日结束，大家可以更深入地交流和探索这一领域的最新进展。