AUCell 允许在单细胞 RNA-seq 数据中识别具有活性基因集（例如特征、基因模块……）的细胞。
AUCell 使用“曲线下面积”（AUC）来计算输入基因集的关键子集是否在每个细胞的表达基因中富集。
AUC 分数在所有细胞中的分布允许探索特征的相对表达。
由于评分方法是基于排名的，AUCell 独立于基因表达单位和标准化程序。
此外，由于细胞是被单独评估的，因此可以轻松地将其应用于更大的数据集，如果需要，可以对表达式矩阵进行子集化。
个人感觉其有点类似于GSVA分析，可以查看不同单细胞群体的特定通路、基因集活性情况。
实现的代码也很简单，可参考以下文章进行实践：
官方教程：
Bioconductor - AUCell
AUCell: Identifying cells with active gene sets (bioconductor.org)
几篇很不错的介绍：
深入理解R包AUcell对于分析单细胞的作用 - 简书 (jianshu.com)
AUCell：计算单细胞转录组的每个细胞中特定基因集的活性程度 - 简书 (jianshu.com)
AUCell：在单细胞转录组中识别细胞对“基因集”的响应 - 简书 (jianshu.com)
我取用GSE178325部分数据尝试作图如下：
首先展示UMAP图：
UMAP
不同KEGG信号通路活性情况：
KEGG_HEDGEHOG_SIGNALING_PATHWAY
KEGG_NOTCH_SIGNALING_PATHWAY
TGF_BETA_SIGNALING_PATHWAY
WNT_SIGNALING_PATHWAY
网友评论