Otimizando a Anotação de Células Únicas com easybio

Reconhecer diferentes Tipos de Células em dados de célula única é vital pra muitas pesquisas. Tem várias maneiras de rotular essas células. Recentemente, alguns métodos foram verificados quanto à eficácia, incluindo ferramentas chamadas GPT-4, SingleR e CellMarker2.0.

O método SingleR é uma forma de identificar tipos de células, mas precisa de dados de referência, o que pode demorar pra usar. Outro método, o scType, utiliza bancos de dados como PanglaoDB e o banco original CellMarker pra ajudar a rotular as células. Agora, o CellMarker tem uma nova versão, a CellMarker2.0. Essa versão atualizada tem novos Marcadores e foi cuidadosamente verificada quanto às informações sobre tipos de células humanas e de camundongos.

Mesmo que usar a CellMarker2.0 não dê sempre os melhores resultados, ela é útil em vários conjuntos de dados e fornece resultados claros. No entanto, só dá pra acessar através de uma interface online, sem opção de software disponível.

Pra melhorar isso, criamos um pacote R chamado easybio pra ajudar os usuários a acessarem facilmente o banco de dados CellMarker2.0. Essa ferramenta pode ajudar a encontrar marcadores e rotular células únicas de forma mais conveniente.

#Como o easybio Funciona

#Buscando Marcadores na CellMarker2.0

Uma característica importante do banco de dados CellMarker2.0 é a capacidade de buscar marcadores com base nos genes que são mais expressos em cada grupo de células. Isso ajuda a descobrir que tipo de célula pode estar em cada grupo. O pacote easybio também permite que os usuários encontrem marcadores e aprendam sobre quais tecidos eles vêm, como notado em estudos anteriores. Os usuários também podem obter marcadores de tipos celulares específicos diretamente.

Por exemplo, ao usar o pacote easybio pra procurar o marcador CD68, ele mostra como esse marcador é encontrado em diferentes tecidos e tipos celulares.

#Anotando Grupos de Células com CellMarker2.0

Rotular grupos de células é uma parte essencial da análise de sequenciamento de RNA de célula única. Esse processo atribui identidades biológicas a grupos de células. Geralmente, envolve comparar os genes que são expressos em cada grupo e encontrar os genes mais proeminentes em cada grupo. Esses genes proeminentes atuam como marcadores pra identificar os potenciais tipos de células em cada grupo.

O banco de dados CellMarker2.0 é um ótimo recurso pra essa tarefa porque contém uma lista cuidadosamente coletada de marcadores de tipos celulares de estudos anteriores. A ferramenta online permite que os pesquisadores busquem marcadores colando listas de genes, mas isso pode demorar e requer que um grupo seja correspondido por vez. Esse método manual pode atrasar a análise.

Pra resolver esse problema, o pacote easybio automatiza a correspondência dos principais genes de cada grupo com potenciais tipos de células usando o banco de dados CellMarker2.0. Isso acelera o processo de rotulagem e diminui as chances de cometer erros manualmente. Os usuários também podem decidir quantos dos principais genes usar pra correspondência, o que ajuda a ajustar o processo de rotulagem. Isso é útil pra equilibrar a especificidade e a sensibilidade dos marcadores.

Embora possa ser tentador pegar o tipo celular mais bem correspondido como o único rótulo pra cada grupo, os usuários são incentivados a considerar outros tipos celulares correspondidos também. Quando mais de um tipo de célula corresponde a um único grupo, é importante pensar sobre o contexto biológico e outras condições experimentais. Explorar essas diferentes correspondências pode ajudar a encontrar tipos celulares raros ou novos e garantir que a rotulagem seja completa e precisa. Ao aproveitar ao máximo a CellMarker2.0, os usuários podem melhorar sua análise de célula única e obter uma melhor percepção da diversidade celular.

#Exemplo de Fluxo de Trabalho

Podemos ilustrar como usar o pacote easybio com um exemplo de fluxo de trabalho. Vamos usar o conjunto de dados PBMC3K e o pacote R Seurat.

#Execute o Tutorial Guiado Seurat PBMC3K

Começamos executando o tutorial guiado Seurat PBMC3K pra ter uma visão geral dos grupos brutos, não anotados.

#Correspondendo com CellMarker2.0

No próximo passo, olhamos para os 50 genes mais expressos em cada grupo celular. Incluímos apenas genes que são estatisticamente significativos e usamos esses pra buscar no banco de dados CellMarker2.0 marcadores correspondentes. Isso nos ajuda a alinhar perfis de expressão gênica com marcadores conhecidos pra rotular os tipos de células.

Verificamos quantos marcadores correspondem a cada grupo no banco de dados CellMarker2.0. Uma coluna mostra o número total de marcadores correspondentes, enquanto outra coluna mostra o número de marcadores únicos. Também mantemos o controle de quantas vezes cada marcador aparece.

#Visualizando Grupos de Células e Seus Tipos

Podemos criar representações visuais dos grupos celulares e dos tipos correspondentes a eles. Isso nos dá uma visão mais clara de como as anotações se encaixam nos grupos.

#Avaliando Tipos Celulares Potenciais Adicionais

Enquanto olhar pro tipo celular mais bem correspondido é comum, é uma boa ideia também considerar outros tipos celulares possíveis. Isso é especialmente importante quando um grupo corresponde a múltiplos tipos celulares distintos. Ao revisar os marcadores de outros tipos potenciais, podemos garantir anotações mais precisas e confiáveis. Pra facilitar, podemos examinar grupos que estão próximos uns dos outros na nossa representação visual ao mesmo tempo.

A expressão de marcadores pra tipos celulares potenciais pode ser mostrada pra grupos que estão próximos uns dos outros pra uma visão mais detalhada.

#Comparando CellMarker2.0 com SingleR

Na nossa análise, também usaremos o popular pacote R SingleR pra rotular os dados. Isso nos permite ver como os resultados da CellMarker2.0 se comparam com os do SingleR, ajudando a avaliar a precisão e confiabilidade das nossas anotações.

#Conclusão e Discussão

Neste artigo, apresentamos o pacote easybio R, criado pra ajudar a agilizar a anotação de células únicas usando o banco de dados CellMarker2.0. Até onde sabemos, o easybio é o primeiro pacote R a incluir a CellMarker2.0 pra esse propósito.

Testamos o pacote aplicando-o ao conjunto de dados do tutorial Seurat PBMC3K e comparando as anotações com aquelas feitas manualmente através do Seurat e usando o SingleR. Os resultados mostraram que as anotações da CellMarker2.0 estavam alinhadas com aquelas geradas pelo SingleR e pelos métodos manuais do Seurat. Uma grande vantagem do easybio é que ele não depende de conjuntos de dados de referência externos, o que pode economizar tempo e expertise em comparação com os processos manuais.

O pacote easybio não é apenas pra rotular células únicas com CellMarker2.0; ele também ajuda em várias análises, incluindo sequenciamento de RNA em massa e exploração de dados, além de permitir integração com outros bancos de dados.

No entanto, é importante reconhecer algumas limitações. O sucesso de rotular células únicas com CellMarker2.0 depende de quão bem as células estão agrupadas. Fatores como checagens de qualidade de dados, análise de componentes principais (PCA) e escolha das configurações de resolução podem influenciar os resultados de agrupamento. Mudanças nessas configurações podem levar a diferentes resultados em agrupamento celular e, portanto, nos resultados de rotulagem. É aconselhável tentar diferentes configurações pra entender melhor seus efeitos.

Também testamos o pacote apenas com o conjunto de dados PBMC3K. Pra ter uma visão mais completa, seria benéfico analisar uma gama mais ampla de conjuntos de dados, e métodos mais padronizados poderiam ser usados pra verificar rigorosamente a precisão dos resultados.

Em resumo, o easybio facilita a anotação de células únicas integrando o banco de dados CellMarker2.0, proporcionando aos pesquisadores uma ferramenta mais eficiente e reproduzível pra seu trabalho.