scGSCA：单细胞RNA测序数据的基因集差异共表达分析

理解疾病相关的通路协同关系，需要区分与表型相关的共表达变化和不同细胞背景之间的差异，同时考虑来自同一受试者的细胞之间的相关性。基于批量转录组数据的基因集共表达方法无法直接应对单细胞RNA测序（scRNA-seq）数据中的计数稀疏性、单细胞层面的分布噪声、受试者层面的依赖性以及细胞类型异质性。我们开发了单细胞基因集共表达分析（single-cell gene-set co-expression analysis，scGSCA），这是一个用于scRNA-seq数据通路层面差异共表达分析的框架。scGSCA逐基因拟合包含受试者层面随机效应的零膨胀负二项混合模型，并根据分位数残差之间的相关性计算基因集共表达统计量。该框架提供总体差异基因集共表达分析，以及用于评估两种细胞类型之间的共表达模式是否随样本表型而变化的交互作用检验。我们将scGSCA应用于具有匹配的批量转录组和scRNA-seq数据的胃癌肿瘤与正常组织比较、乳腺癌亚型比较以及肺与皮肤比较。总体检验识别出了批量转录组分析未能捕获的信号，包括胃癌中的轴突导向通路，以及乳腺癌中的雌激素反应、IL6-JAK-STAT3和TNF/NF-κB通路。交互作用检验进一步识别出了不同细胞类型之间的共表达差异。scGSCA在保留受试者层面结构和细胞类型特异性背景的同时，将基因集共表达分析扩展至单细胞数据。scGSCA作为开源R软件包免费提供。

理解疾病相关的通路协同关系，需要在考虑同一受试者来源细胞之间相关性的同时，区分表型相关的共表达变化与不同细胞情境之间的差异。基于批量转录组数据的基因集共表达方法无法直接处理单细胞RNA测序（scRNA-seq）数据中的稀疏计数、单细胞分布噪声、受试者层面的依赖性以及细胞类型异质性。我们开发了单细胞基因集共表达分析（scGSCA），这是一个用于scRNA-seq数据通路层面差异共表达分析的框架。scGSCA逐基因拟合包含受试者层面随机效应的零膨胀负二项混合模型，并根据分位数残差之间的相关性计算基因集共表达统计量。该框架提供总体差异基因集共表达分析，以及用于评估两种细胞类型之间的共表达模式是否随样本表型而变化的交互作用检验。我们将scGSCA应用于具有配对批量转录组和scRNA-seq数据的胃癌肿瘤与正常组织比较、乳腺癌亚型比较以及肺与皮肤比较。总体检验识别出了批量转录组分析未能捕获的信号，包括胃癌中的轴突导向通路，以及乳腺癌中的雌激素反应、IL6-JAK-STAT3和TNFα/NF-κB通路。交互作用检验进一步识别了不同细胞类型之间的共表达差异。scGSCA将基因集共表达分析扩展至单细胞数据，同时保留了受试者层面的结构和细胞类型特异性背景。scGSCA以开源R软件包的形式免费提供。

作者声明不存在利益冲突。

感谢您关注并帮助传播bioRxiv上的研究成果。

注意：请求提供您的电子邮箱地址，仅用于确认您作为本文发送者的身份。

关键词：单细胞RNA测序 · 基因集差异共表达 · 零膨胀负二项混合模型 · 细胞类型异质性 · 通路分析 · 交互作用检验

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.05.756579v1?rss=1