博文

QCatch：单细胞测序数据质控评估和分析框架

已有 486 次阅读 2025-8-1 16:09 |个人分类:科普|系统分类:科普集锦

QCatch：单细胞测序数据质控评估和分析框架

质量控制（QC）是测序数据分析中的一个关键步骤。它通过识别样本制备和文库测序过程中引入的技术伪影、失败和偏差，来确保数据的完整性。这一过程在大规模单细胞 RNA 测序研究中尤为重要，因为数据质量直接影响下游分析的准确性和鲁棒性。

和大多数技术一样，单细胞 RNA 测序（scRNA-seq）中的 QC 评估通常依赖于详细、全面的 QC 报告。虽然存在通用QC 工具，但许多 scRNA-seq 处理工具都包含自己的报告模块，能够生成针对其特定定量输出的定制化 QC 总结。例如，Cell Ranger生成一个基于网络的 QC 报告，不仅包含标准指标，还能在检测到 10X Genomics 实验中低质量或失败样本的迹象时显示警告，从而突出潜在问题。最近，一个适用于广泛 UMI 为基础实验的单细胞数据处理软件生态系统，可通过 simpleaf提供的简化命令行界面访问。该生态系统基于alevin-fry构建。alevin-fry 是一个快速、准确且内存高效的工具，用于单细胞测序数据的剪接感知定量。通过设置剪接感知定量的标志，alevin-fry 分别报告基因的剪接和非剪接转录本计数，使其适用于广泛的下游分析。

尽管 simpleaf 提供了用于端到端原始数据处理的可简化界面，alevin-fry 表现出色，以及 piscem（https: //github.com/COMBINE-lab/piscem）、salmon 和 cuttlefish 等各种后端工具，但这个生态系统目前缺乏一个功能丰富的后处理模块，用于 QC 报告和其他关键任务，如细胞识别（有时也称为空液滴检测）。在评估剪接感知定量结果时，这一差距尤为明显。尽管为 alevin生成的结果设计的AlevinQC（https://github.com/csoneson/alevinQC）已扩展支持 alevin-fry 的部分输出，但仍需要一个更全面且完全集成的、专门针对 alevin-fry 的 QC 解决方案。

为了满足用户社区不断增长的需求，Gao等人开发了 QCatch（图1，https://github.com/COMBINE-lab/QCatch?tab=readme-ov-file），这是一个基于 Python 的开源命令行工具，专门设计用于支持 alevin-fry 生成的量化结果的一系列后处理任务。作为单细胞软件生态系统的最新补充，QCatch 通过执行包括细胞识别在内的关键处理步骤，填补了单细胞数据分析流程中的重要空白。此外，QCatch 提供了一套全面的 QC 指标，这些指标专为 alevin-fry 的传统和剪接感知量化而设计，并呈现通过易于阅读的表格和交互式可视化结果。

图1 QCatch 报告预览，展示了关键组件和典型内容。该图包含从原始报告中精选并稍作格式调整的部分内容

QCatch 的开源、模块化架构促进了透明性，确保了可重复性，并使不同 UMI 技术检测的多种单细胞测序数据集具有可用性和适应性。优先考虑可用性和全面性，QCatch 生成直观、交互式的 QC 报告，便于准确评估数据质量。这些报告使研究人员能够更有信心地解释定量结果，支持更可靠的生物学结论。QCatch 设计时考虑了用户友好性，接受 alevin-fry 或 simpleaf 的输出目录作为输入，并输出 HTML 报告和富含注释的 H5AD 对象（单细胞数据存储最广泛使用的磁盘格式之一）。这种设计选择实现了与 scVerse 生态系统的无缝集成，该生态系统目前包含超过 80 种单细胞和空间转录组数据分析工具，如 scanpy。

参考文献

[1] Yuan Gao, Dongze He, Rob Patro. QCatch: A framework for quality control assessment and analysis of single-cell sequencing data, bioRxiv, 2025.06.15.659779; doi: https://doi.org/10.1101/2025.06.15.659779

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC