目前用于单细胞基因集打分的软件比较多，包括AddModuleScore、AUCell、gsva、ssgsea、zscore、plage、JAS_likelihood、JAS_oddsratio、singscore、VISION、UCell等等，在联川星云平台中的打分软件使用的是AddModuleScore，是Seurat自带的打分函数。
今天来分享一个新发现的新的打分R包Ucell，Ucell是基于Mann-Whitney U统计的单细胞评分R包，使用起来稳定性较好，且与其他的方式相比较，Ucell计算所需的时间和耗费的内存更小。即使在计算能力有限的机器上也可以在几分钟内处理大型数据集。UCell可以应用于任何单细胞数据矩阵，可直接与Seurat对象交互。Ucell在高分SCI文章的应用还是挺多的，我们在自己的分析中也可以视情况选择使用。
那么我们先来看看Ucell和其他打分软件对比有什么优势：
第一，UCell是一款基于单细胞开发的软件，从工具本身设计时候的数据接口就可以看到，它是一个比较对接Seurat接口的软件；
第二，运行速度，是真的很快，他有切分进行并行计算的参数，加速了运行；
第三，可以看到随机的seed和纳入细胞数都没有对他打分有偏倚的影响，这是因为他每个细胞都是相对独立地计算
在了解了Ucell和其他打分软件相比的特点后，我们来看一下Ucell的核心函数中的每个参数的作用及计算方法：
这个工具主要的函数以ScoreSignatures_UCell为主，参数如下：
obj：Seurat对象；
features： 基因集合的list，如果基因名称后面带+或-，是可以区分方向的；
maxRank：每个细胞最大rank阈值，默认是1500；
chunk.size: 设置每组多少个细胞切分矩阵并行运算，提升运算速度，默认是1000；
ncores：并行计算所用cpu线程数；
assay：用的Seurat对象存储表达矩阵的assay名称，默认NULL是Seurat当前默认assay；
slot：用的Seurat对象存储表达矩阵的类型，默认是data
Ucell的计算方法如下：
第一步，先单独将每个细胞的基因按表达量进行排序；
第二步，UCell使用Mann-Whitney U统计量计算单个细胞的基因集富集评分，如下公式计算；
其中n是基因集合中基因的个数，rij其实就是这个基因在这个细胞的排序的位置。然后基于这个公式计算这个基因集合在该细胞的U值。
第三步，由于单细胞数据存在drop-out情况，所以排序的时候存在很多基因都是0值无法排序的情况，导致很多排序尾部都是很长的冗余，如果基因集合中的一些基因在某些细胞中为0了，那么会在这个尾部内，那么他会强制根据下面这个公式折算U值，rmax是一个阈值，默认是1500，当rgc>rmax的时候，这些基因集合落在尾部的，都设置为rmax=rgc-1来矫正。
在了解了Ucell 的核心函数后，我们来看看 Ucell 在 R 上的实操情况：
Rlibrary(UCell)library(ggplot2)library(Seurat)library(reshape2)load("Plot.rData")gene <- read.table("geneList.txt",header=T,sep="\t",comment.char = "",check.names = F)# 需要将基因集整理成列表格式gene_list <- as.list(gene)# UCellpbmc_filt1 <- AddModuleScore_UCell(pbmc_filt,features=gene_list)# AddModuleScorepbmc_filt1 <- AddModuleScore(pbmc_filt1,features=gene_list,name = "AddModuleScore")data <- as.data.frame(pbmc_filt1@meta.data)# 提前需要的几列信息data <- data[,c(7,9,10)]data <- melt(data)plot_list <- c()plot_list[[1]] <- ggplot(data, aes(x=reorder(seurat_clusters,GeneList_UCell,FUN=median),y=GeneList_UCell,fill=seurat_clusters)) +theme_bw()+theme(panel.grid = element_blank(),axis.text=element_text(size=10,angle=0,color="black"),axis.title = element_text(size=12,angle=0,color="black",face="bold"),legend.position = "none")+geom_boxplot(position=position_dodge(0.9),outlier.colour = NA,outlier.fill=NA,outlier.shape=NA)plot_list[[2]] <- ggplot(data, aes(x=reorder(seurat_clusters,AddModuleScore1,FUN=median),y=AddModuleScore1,fill=seurat_clusters)) +theme_bw()+theme(panel.grid = element_blank(),axis.text=element_text(size=10,angle=0,color="black"),axis.title = element_text(size=12,angle=0,color="black",face="bold"),legend.position = "none")+geom_boxplot(position=position_dodge(0.9),outlier.colour = NA,outlier.fill=NA,outlier.shape=NA)p <- patchwork::wrap_plots(plot_list,ncol=1)ggsave(p,file="test.png",height=7,width=10)
本次测试用的是甲状腺乳头状癌的数据和基因集，本次测试只比较了UCell和AddModuleScore在实际应用上的差别。从结果上看，大致可以根据得分将cluster以红线为界分成两部分，这两部分中包含的cluster一致，但是排序上有显著差异：
结合copyKAT发现，AddModuleScore会更匹配一些，也就是说在生物学意义上更好解释一些。
总结Ucell和AddmoduleScore的表现：
• UCell在运行速度上不如AddModuleScore，使用时可以明显感受到UCell会慢一些
• 由于UCell的算法设计，它最后得到的分值会在0~1之间，更符合常识，但不太适合细胞周期打分
• 虽然在性能方面经过前人测评发现UCell各方面综合起来比较优异，但是缺少实战结果，本次测试只用了甲状腺乳头状癌的数据和基因集，有待实战结果完善
• 虽然根据目前测试结果，AddModuleScore的效果更优一点，但是AddModuleScore也有非常明显的短板。由于涉及随机取样，AddModuleScore的打分结果会受到随机数和纳入细胞数的影响，导致打分结果的不同，这在一定程度上降低了其结果的稳定性和可靠性。
单细胞细胞通讯分析之CellChat v2
空间转录组细胞注释软件之Cell2location |生信开发实战
备战国自然2025：为什么做了Visium/CytAssist，还要做单细胞测序？
单细胞代谢分析之-scFEA
本文系联川生物公众号原创文章，未经授权禁止转载，侵权必究！ 扫描下方二维码 点分享
点点赞
点在看
