Depth normalization for single-cell genomics count data

あなたは、何百もの異なるバックパックの中身を比較しようとしていると想像してみてください。中には、パンパンに詰め込まれた巨大なバックパックもあれば、中身がほとんど入っていない小さなバックパックもあります。それぞれのバックパックの中には、鉛筆、リンゴ、水筒、ノートといった異なる種類のアイテムが入っています。

単一細胞ゲノミクスの世界では、これらの「バックパック」は個々の細胞であり、「アイテム」はそれらが持つ遺伝的な指示（遺伝子）です。科学者たちは、それぞれの細胞の中でどのアイテムが最も重要かを知りたいと考えています。しかし、大きな問題があります。単にアイテムの数を数えるだけでは、巨大なバックパックは、中身が豊富だからではなく、単にサイズが大きいという理由だけで、あらゆるものが多くなっているように見えてしまうのです。これは「シーケンシング深度の変動（variable sequencing depth）」と呼ばれます。

公平な比較を行うためには、データを**正規化（normalize）**する必要があります。これは、バックパックの大きさに関わらず、アイテムの真の割合が見えるように、土俵を同じにするプロセスだと考えてください。

この論文では、このレベル合わせを行うための、特定の新しいレシピを紹介しています。彼らはそれをPFlogPFと呼んでいます。この手法がどのように機能するかを、シンプルな3ステップの比喩を使って説明します。

1. 最初の調整 (PF): 生のアイテムの山があるとします。まず、各バックパックのアイテムの総数を調整し、すべてのバックパックが全く同じ総重量になるようにします。これは、すべてのアイテムを比例的に少しずつ加減することで行われます。これが「プロポーショナル・フィッティング（比例適合）」のステップです。
2. 変換 (log): 次に、バックパックの特別な写真を撮ります。この写真は単にアイテムを見せるだけでなく、見え方を変えます。これは、「大量にある状態」と「少ししかない状態」の間の巨大な差を押しつぶし、満杯のバックパックにおける小さな変化が、空に近いバックパックにおける小さな変化と同じくらい重要に見えるようにします。これが「対数（logarithm）」のステップです。
3. 最終調整 (PF): 最後に、最初の調整をもう一度行います。最終的な写真が、すべてのバックパックにおいて完璧にバランスが取れ、一貫したものになるよう、数値を再び微調整します。

著者たちは、もしあなたが以下の条件を満たす手法を求めているのであれば、この特定の3ステップのレシピ（PFlogPF）こそが、すべてのアイテムを公平に扱うための唯一の数学的な方法であると主張しています。

• 「ノイズ」を安定させること（データをガタガタさせないこと）
• バックパックのサイズの異なることを補正すること
• アイテムの順序を維持すること（もし以前にリンゴがオレンジよりも多かったなら、後でも依然としてリンゴの方がオレンジより多い状態を保つこと）

彼らはまた、この手法が「シフト中心対数比変換（shifted centered-log ratio transform）」と数学的に同一であることにも触れています。これは、単に「全体に対する部分を比較するための、既知の堅牢な方法」であることを意味する、少し凝った言い回しです。

この手法が機能することを証明するために、科学者たちは、数百もの実際のデータセットを用いて、この手法を他の多くの一般的なデータ正規化手法と比較検証しました。その結果、彼らの「3ステップのレシピ」は他の手法よりも優れた性能を発揮し、細胞の中に実際に何が入っているのかを、より明確かつ正確に描き出すことができました。