Single-cell references can reverse, inflate and blur the associations inferred from bulk deconvolution
本研究表明，由于未被解释的细胞状态偏移和供体采样噪声，单细胞参考集的选择会系统性地扭曲、反转或夸大批量解卷积中的关联，因此必须使用能够解析动态状态的参考集以及能够解释参考不确定性的统计模型，以确保推断的准确性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你试图通过一张模糊的城市全景照片来了解一座繁华城市的规模。你看不见单个的人，只能看到建筑物的轮廓。为了了解那里居住着谁，你可能会将那张模糊的照片与一份详细的城市区域地图进行对比。如果地图是准确的，你就可以估算出每个社区居住的人数。这本质上就是科学家利用一种称为“反卷积”（deconvolution）的技术研究人类生物学时所做的工作。他们提取组织样本——这是一种由许多不同细胞类型组成的混合物——并试图确定每种细胞类型的比例。为此，他们依赖一个“参考”（reference），即一个详细的单细胞目录，通常是从一小群志愿者身上收集而来的。这个参考就像是一张地图。多年来，研究人员一直将这张地图视为完美且精确的，认为基于其估算得出的关于疾病或衰老的任何结论都是可靠的。然而，一项新的研究表明，这张地图本身可能存在缺陷，以至于完全改变了它所讲述的故事。
由爱丁堡大学的 Yunhao Jiang 领导的研究小组旨在测试这种构建参考地图的方式是否真的会逆转或凭空创造科学结论。他们使用了两个已知真实答案的大型现实世界数据集。第一个涉及 981 名捐赠者的血液样本，其中免疫细胞的实际构成是已知的。第二个涉及 48 名捐赠者的胰岛细胞，其中细胞类型与血糖水平之间的关系是已知的。在这两种情况下，他们都模拟了提取批量样本并尝试使用不同版本的参考地图来猜测细胞比例的过程。他们将这些地图针对四种不同的数学方法进行了测试，以确保任何错误都源于地图本身，而非仅仅是计算器的问题。
结果令人震惊。在血液研究中，研究人员观察了特定免疫细胞（CD8 T细胞）的比例如何随年龄变化。真实数据显示，这些细胞随着年龄的增长而略有减少。然而，当科学家使用 80 种不同的参考地图时，每一种都反转了结论，暗示这些细胞实际上随着年龄的增长而增加。这种错误并非微小的失误，而是完全颠倒了事实。其原因是细胞自身发生的微妙转变。随着年龄增长，CD8 T细胞会改变其内部状态，变得更像“效应记忆”（effector-memory）细胞。参考地图将所有这些细胞平均化为一个通用的类型，未能注意到这种转变。由于平均特征谱与衰老细胞不匹配，数学计算产生了混乱，并给出了错误的答案。同样，在胰腺研究中，原本是一个关于 alpha 细胞随血糖水平上升而增加的微弱趋势，在许多参考地图中变成了一个强烈的、具有统计学意义的发现，这仅仅是因为地图中的误差随着血糖水平的升高而变得更大。
至关重要的是，研究发现这个问题无法通过改变用于计数的数学方法来解决。研究人员测试了包括回归模型和贝叶斯方法在内的四类算法。年龄趋势的反转和血糖趋势的膨胀在所有算法中都发生了。唯一改变的是胰腺细胞误差的方向：有些方法让趋势看起来更强，而一种特定的算法则让趋势看起来更弱。这证明了误差的来源是参考地图本身，而不是用来读取它的工具。更令人惊讶的是，研究人员发现，一个准确性更高的地图并不一定能带来正确的结论。一组参考地图在预测细胞比例方面比另一组更准确，但只有那组准确性较低的地图才给出了正确的年龄趋势方向。这意味着，仅仅检查一张地图是否“准确”并不足以确保它讲述的是真相。
该研究还识别出隐藏在这些地图中的两种不同类型的误差。第一种是系统误差，发生在地图未能捕捉到随年龄或疾病变化的特定细胞状态时。解决这一问题的唯一方法是构建一个能够解析这些移动状态的参考，将宽泛的细胞类型分解为特定的亚态。第二种是由于构建地图时所使用的特定捐赠者群体导致的随机误差。如果一个参考是基于较少的人群构建的，那么来自这些个人的随机噪声可能与批量样本中的自然变异一样大。研究人员展示了可以通过使用一种称为“捐献者自助法”（donor bootstrap）的统计技术来测量并解释这种随机噪声，该技术本质上是通过模拟从同一池中抽取不同的群体，以观察结果会如何波动。
最后，团队研究了应该如何构建参考地图以避免这些陷阱。他们分析了 226 个公开数据集，发现其中 60% 的数据集中，给定细胞类型的中位捐献者贡献的细胞数少于 10 个。这是一个关键阈值；低于这个数字，来自捐献者的信号大部分都是噪声。研究人员提出了一种新的权重分配方法，为每个捐献者的数据分配权重，减少那些细胞数极少的捐献者的影响，增加那些细胞数较多的捐献者的影响。这种调整显著降低了该领域主要方法之一的误差。他们还发现，对于固定数量的数据，将细胞分布在许多不同的捐献者身上，比从极少数人那里收集大量细胞更好。这种方法符合单细胞研究的效能分析（power analyses），有助于抵消来自个体捐献者的随机噪声。
这项工作对如何解释生物学数据具有深远的影响。它表明，通过反卷积得出的结论不仅取决于所研究的组织生物学，而且与参考地图的构建方式深度纠缠在一起。关于衰老或疾病的结论可能只是参考构建过程产生的伪影，而非真实的生物学现象。研究人员认为，未来的研究必须使用能够解析已知随变量变化的特定细胞状态的参考。他们还建议，科学家应使用多种数学方法来验证他们的发现，并报告涵盖所用特定捐献者的更广泛的不确定性范围。通过承认“地图可以决定答案”，科学界可以开始构建更好的地图，并对人体复杂的机制得出更可靠的结论。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。