Seurat v4 与 v5 数据整合工作流的技术差异说明

批次效应 是指在实验中由于不同的实验条件、操作人员、试剂批次、设备差异等非生物学因素引起的系统性差异。具体来说，在单细胞RNA测序（scRNA-seq）中，不同的实验批次可能会产生显著的技术变异，这些变异会掩盖实际的生物学信号，导致错误的分析结果。直观来看，批次效应表现为，在整体数据集进行UMAP 和/或 tSNE 降维分析中，不同供体的数据不能 “很好地混合”，未经校正的批次效应会导致不同批次的样本聚集在一起，而不是根据细胞类型或状态进行聚类。如果在此基础上进行更深的数据挖掘，就很可能会获得虚假差异（例如来自单一供体的细胞群）。单细胞测序数据集的 整合分析（例如跨实验批次、供体或条件） 通常是 scRNA-seq 工作流程中的关键步骤。通过综合分析，可以匹配不同数据集中的共享细胞类型和状态，这不仅提高了统计能力，更重要的是，促进了跨数据集的准确比较分析。在单细胞分析的各种工作流中，Seurat 分析套件是目前应用最广泛的方法之一。随着近年来 Seurat 团队的不断更新，该分析框架已经发展到了 v5 版本。相较于之前的版本，Seurat v5 在数据结构和分析方法上都进行了许多重要的调整和改进。本帖收集了一些资料特别对新旧版本的数据整合工作流之间的一些差异进行了汇总。

Seurat 标准整合工作流：Analysis, visualization, and integration of Visium HD spatial datasets with Seurat • Seurat (satijalab.org)

1、Seurat v4 Integration Work-flow

在 Seurat v4 整合工作流程中，每个整合步骤中发生的情况非常清楚，如每个命令的文档页面底部所记录。

1) SelectIntegrationFeatures()
Summary:
Choose the features to use when integrating multiple datasets. This function ranks features by the number of datasets they are deemed variable in, breaking ties by the median variable feature rank across datasets. It returns the top scoring features by this ranking.
2) FindIntegrationAnchors()
Summarized as this:
Perform dimensional reduction on the dataset pair as specified via the reduction parameter. If l2.norm is set to TRUE, perform L2 normalization of the embedding vectors.

Identify anchors - pairs of cells from each dataset that are contained within each other’s neighborhoods (also known as mutual nearest neighbors).

Filter low confidence anchors to ensure anchors in the low dimension space are