单细胞测序数据分析
最新修订时间：
简介
DoubletFinder 方法基于表达矩阵识别双细胞，将模拟的双胞与原细胞矩阵混合，进行降维聚类，根据每个细胞 k 近邻细胞中模拟双胞的比例结合 Poisson 分布进行排序、过滤。
单细胞测序期望每个单细胞反应室（GEM）里包含一个细胞或者细胞核，即每个 barcode 对应一个真实的细胞，但是单个 barcode 包含的细胞数目随着上机细胞的浓度而改变，实际数据中会有两个或多个细胞共用一个 barcode 的情况，我们称之为 doublets。Doublets 根据转录水平不同可分为两类：
Homotypic doublets: doublets derived from transcriptionally similar cells
Heterotypic doublets: doublets derived from transcriptionally distinct cells
随着细胞数增多，双细胞比例会增加。下表是 10X 平台的双细胞率，根据 Poisson 分布确定，可以参照下表计算自己的数据中双细胞的比例。
原理
DoubletFinder 方法基于表达矩阵识别双细胞，将模拟的双胞与原细胞矩阵混合，进行降维聚类，根据每个细胞 k 近邻细胞中模拟双胞的比例结合 Poisson 分布进行排序、过滤。
来源：① Ramachandran P, Dobie R, Wilson-Kanamori JR, et al. Resolving the fibrotic niche of human liver cirrhosis at single-cell level.Nature.2019;575(7783):512-518. doi:10.1038/s41586-019-1631-3 ② McGinnis CS, Murrow LM, Gartner ZJ. DoubletFinder: Doublet Detection in Single-Cell RNA Sequencing Data Using Artificial Nearest Neighbors.Cell Syst. 2019;8(4):329-337.e4. doi:10.1016/j.cels.2019.03.003 ③ Xi NM, Li JJ. Benchmarking Computational Doublet-Detection Methods for Single-Cell RNA Sequencing Data.Cell Syst. 2021;12(2):176-194.e6. doi:10.1016/j.cels.2020.11.008
操作方法
DoubletFinder 方法基于表达矩阵识别双细胞，将模拟的双胞与原细胞矩阵混合，进行降维聚类，根据每个细胞 k 近邻细胞中模拟双胞的比例结合 Poisson 分布进行排序、过滤。单细胞测序期望每个单细胞反应室（GEM）里包含一个细胞或者细胞核，即每个 barcode 对应一个真实的细胞，但是单个 barcode 包含的细胞数目随着上机细胞的浓度而改变，实际数据中会有两个或多个细胞共用一个 b
