Tek Hücre Dizileme Hizalama — scRNA-seq Okuma Eşleştirme
Single-cell RNA-seq Sequence Alignment · Ayrıca şöyle bilinir: scRNA-seq alignment, single-cell read mapping, scSeq alignment, cell barcode-aware alignment
Tek hücre dizileme hizalaması, tek hücre RNA-seq deneyleri tarafından üretilen milyonlarca kısa dizileme okumasını bir referans genom veya transkriptoma geri eşleştiren hesaplamalı adımdır. Toplu RNA-seq hizalamasının aksine, her okuma bir hücre barkodu ve benzersiz bir moleküler tanımlayıcı (UMI) taşır; bu ikisi birlikte köken hücreyi ve bireysel RNA molekülünü tanımlar. Doğru hizalama ve barkod demultiplekslemesi, tüm aşağı akış tek hücre analizlerini yönlendiren hücre-gen sayım matrisinin oluşturulması için ön koşullardır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tek hücre RNA-seq deneyinden ham FASTQ verilerinin bir sayım matrisine dönüştürülmesi gerektiğinde tek hücre dizileme hizalamasını kullanın. Aşağı akış analiz hedeflerinden (kümeleme, yörünge, diferansiyel ifade) bağımsız olarak zorunlu ilk hesaplamalı adımdır. Ek yeri-birleşim keşfi, intronik okuma nicelemesi veya çok modlu veriler (ATAC, protein) gerektiğinde tam bir genom hizalayıcısı (STAR/STARsolo, Cell Ranger) seçin. Dönüş süresi öncelikliyse ve ek yeri düzeyinde ayrıntı gerekmiyorsa bir sözde-hizalayıcı (kallisto|bustools, alevin-fry) seçin. Toplu RNA-seq verileri için bu işlem hattını kullanmayın — barkod işleme başarısız olur — ve DNA tabanlı deneyler olan scATAC-seq veya scChIP-seq'e uygulamayın, çünkü bunlar farklı hizalama stratejileri gerektirir.
Güçlü yönler & sınırlılıklar
- Ham dizileme çıktısını tek bir otomatik çalıştırmada yapılandırılmış, analiz için hazır bir sayım matrisine dönüştürür.
- Hücre barkodu düzeltmesi, bir kimya beyaz listesine karşı sınırdaki hücreleri kurtarır ve boş damlacık bulaşmasını azaltır.
- UMI tabanlı tekilleştirme, PCR amplifikasyon yanlılığını ortadan kaldırır ve yalnızca okuma sayımından daha doğru hücre başına gen ifadesi tahminleri sağlar.
- Ek yeri-farkında hizalayıcılar yeni birleşimleri tespit eder ve gen ifadesinin ötesindeki çok modlu tek hücre deneylerini destekler.
- Aktif topluluk desteği ve kıyaslanmış doğruluğu ile iyi bakımlı referans uygulamaları (STARsolo, Cell Ranger, alevin-fry).
- Hesaplama açısından yoğundur: STAR genom hizalaması, bir insan genom indeksi için 30–60 GB RAM ve HPC veya bulut kaynakları olmayan büyük kütüphanelerde saatlerce çalışma süresi gerektirir.
- Referansa bağımlıdır: anotasyon GTF'sinde bulunmayan genlerden gelen okumalar sessizce kaybolur; anotasyon kalitesi, atanabilen okuma kesrini doğrudan sınırlar.
- Barkod beyaz listeleri kimyaya özgüdür; standart olmayan veya özel kütüphane tasarımları manuel beyaz liste oluşturma gerektirebilir veya yüksek oranda atanmamış barkod verebilir.
- Sözde-hizalayıcılar, hız karşılığında hizalama çözünürlüğünden ödün verir — intronik okumalar, yeni ek yeri birleşimleri ve açıklanmamış bölgeleri kapsayan okumalar yakalanmaz.
- Çoklu-eşleşen okumalar (birden çok yere eşit şekilde hizalanan okumalar) tipik olarak atılır veya sezgisel olarak atanır, bu da yüksek derecede homolog gen aileleri için hassasiyeti azaltır.
SSS
Cell Ranger mı yoksa STARsolo mu kullanmalıyım?
Cell Ranger, 10x Genomics tarafından desteklenen işlem hattıdır ve 10x Chromium kütüphaneleri için varsayılan seçimdir — minimum yapılandırmayla barkod beyaz listelerini, hücre çağırmayı ve çok modlu deneyleri işler. STARsolo, STAR'a gömülü, 10x, Drop-seq ve özel kimyaları destekleyen açık kaynaklı bir alternatiftir; daha hızlıdır, serbestçe denetlenebilir ve Cell Ranger'ın lisanslama veya hesaplama ek yükünün sorun olduğu HPC ortamlarında tercih edilir. Her ikisi de standart gen-ifade kütüphaneleri için karşılaştırılabilir sayım matrisleri üretir.
Okumaların hangi kesri genoma hizalanmalıdır?
Yüksek kaliteli bir insan veya fare genomuna hizalanmış 10x Chromium 3' kütüphaneleri için %80–90'ın üzerinde eşleşme oranları beklenir. %70'in altındaki oranlar, adaptör kontaminasyonunu, bir genom/anotasyon uyumsuzluğunu veya farklı bir türden önemli miktarda ortam RNA'sını düşündürür. Transkriptoma güvenilir bir şekilde eşlenen okumaların oranları (Cell Ranger tarafından bildirilen daha katı bir metrik) tipik olarak %50–75 arasındadır ve anotasyon eksiksizliğini teşhis etmek için daha kullanışlıdır.
STAR yerine ne zaman bir sözde-hizalayıcı kullanmalıyım?
kallisto|bustools (kb-python) veya salmon/alevin-fry gibi sözde-hizalayıcılar, işlem hızı kritik olduğunda, kaynaklar sınırlı olduğunda veya analiz yalnızca ek yerli transkript nicelemesi gerektirdiğinde uygundur. Tam genom hizalayıcılardan 5–20 kat daha hızlıdırlar ve çok daha az bellek gerektirirler. Ancak, BAM dosyaları üretmezler, bu nedenle ek adımlar olmadan RNA hızı için ek yeri-birleşim analizi, varyant çağırma veya intronik okuma nicelemesini destekleyemezler.
Hizalamadan önce mevcut olan ortam RNA kontaminasyonunu nasıl ele alırım?
Ortam RNA kontaminasyonu bir ıslak laboratuvar artefaktıdır — hasarlı hücreler RNA'yı damlacık çözeltisine salar ve bu RNA, boş damlacıklarda yanlış sinyal olarak yakalanır. Hizalamanın kendisi bunu kaldıramaz, ancak ürettiği sayım matrisi, SoupX veya DecontX gibi, ortam profilini boş damlacık barkodlarından tahmin eden ve hücre sayımlarından çıkaran araçlarla hizalama sonrası düzeltilebilir.
Birden fazla tek hücre teknolojisinden gelen verileri aynı işlem hattında hizalayabilir miyim?
Tek, sabit bir yapılandırmayla değil. Her kütüphane kimyası farklı bir okuma yapısı tanımlar — barkod ve UMI'nin uzunluğu, konumu ve içeriği 10x v2, v3, Drop-seq, CEL-Seq2 ve diğerleri arasında farklılık gösterir. STARsolo, komut satırı bayrağı aracılığıyla kimlik değiştirmeyi destekler ve kb-python bir teknoloji bayrağını destekler. Cell Ranger yalnızca 10x Chromium kimyaları için tasarlanmıştır. Hizalama parametrelerini ayarlamadan önce her zaman kütüphanenizin okuma yapısını doğrulayın.
Kaynaklar
- Dobin, A., Davis, C. A., Schlesinger, F., Drenkow, J., Zaleski, C., Jha, S., Batut, P., Chaisson, M., & Gingeras, T. R. (2013). STAR: ultrafast universal RNA-seq aligner. Bioinformatics, 29(1), 15–21. DOI: 10.1093/bioinformatics/bts635 ↗
- Smith, T., Heger, A., & Sudbery, I. (2017). UMI-tools: modeling sequencing errors in Unique Molecular Identifiers to improve quantification accuracy. Genome Research, 27(3), 491–499. DOI: 10.1101/gr.209601.116 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Single-cell RNA-seq Sequence Alignment. ScholarGate. https://scholargate.app/tr/bioinformatics/single-cell-sequence-alignment
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- RNA-seq Diferansiyel İfadeBiyoenformatik↔ karşılaştır