Benchmark ||单细胞转录组转录因子和通路分析方法比较

我们知道在单细胞转录组数据分析的下游，在我们走过了fig1（通常是个图谱）之后，往往要沿着基因这条路深挖一下生物学意义。从bulk转录组数据中提取功能和机制的洞察力的功能分析工具已经被开发出来。随着单细胞RNA测序(scRNA-seq)的出现，原则上可以对单细胞进行同样的分析。然而，scRNA-seq数据具有drop-out事件和低库大小等特征。因此，尚不清楚为bulk 测序建立的功能性TF和通路分析工具能否有意义地应用于scRNA-seq。

bulk RNA TF 分析工具有DoRothEA, PROGENy, and GO gene sets analyzed with GSEA (GO-GSEA)。专为单细胞应用而设计的功能分析工具有SCENIC, AUCell结合DoRothEA (D-AUCell)和子代(P-AUCell)基因集，以及metaVIPER。

DoRothEA 和PROGENy 虽然是为bulk 设计的，但是总体表现很好。文章分析表明，使用手动的足迹基因集的基于bulk的功能分析工具可以应用于scRNA-seq数据，部分优于专用的单细胞工具。此外，我们发现功能分析工具的性能对基因集比对所使用的统计数据更敏感。所以能码得一个好的基因集是多么重要。

Application of TF and pathway analysis tools on a representative scRNA-seq dataset of PBMCs and HEK cells.

文章代码在：https://github.com/saezlab/FootprintMethods_on_scRNAseq

---

Robustness and applicability of transcription factor and pathway analysis tools on single-cell RNA-seq data