单细胞分析可视化工具盘点

论文阅读

---

单细胞分析可视化工具盘点

• 首先:大概知道单细胞分析的十几种格式和可视化分析工具。
• 第二:输入格式中（下图表绿色标记）：csv/txt格式是最常被接受的格式，有8个工具支持。更专业的格式，如h5ad和loom被六个工具接受
• 第三:数据集成：iSEE-loom，SCope，scSVA和loom-viewer都可以与派生自loom和h5ad格式的分层数据格式（HDF5）进行高效集成
• 第四:sceasy（single-celleasy）包研究团队还开发了一个用户友好的R软件包sceasy，它允许用户将自己的scRNA-seq数据集转换为特定的数据格式以进行可视化。转换函数的示例可以在sceasy。GitHub页面找到: https://github.com/cellgeni/sceasy。

---

论文内容：

Comparison of visualization tools for single-cell RNAseq data

单细胞交互式分析和可视化工具已被科研界广泛采用。它们使数据导入、公共数据访问和分析更容易为用户所用，并加速了科学的发展。来自英国维康桑格研究所和土耳其盖布泽的大学的研究人员对13种常用的scRNA-seq交互式分析和可视化工具进行了测评，以帮助科研人员选择更适合自身实际的数据可视化方法。
研究人员从云/web支持、容器化、输入格式和开发者活动等方面对这些工具进行了综合比较。
输入格式（绿色标记）：csv/txt格式是最常被接受的格式，有8个工具支持。更专业的格式，如h5ad和loom被六个工具接受。基于R的SingleCellExperiment（SCE）和Seurat分别被1个和3个工具所接受。
基于web进行数据托管、发布和共享（蓝色标记）：Web共享对应于托管和共享具有数据可视化功能的网页能力，而SaaS功能对应的是作者提供的工具的在线托管版本，只需要用户上传输入文件。
基于web的可视化工具性能测评
随后研究人员还针对预处理内存(RAM)、预处理时间、数据格式集成等方面进一步比较了基于web的可视化工具。

数据格式集成：iSEE-loom，SCope，scSVA和loom-viewer都可以与派生自loom和h5ad格式的分层数据格式（HDF5）进行高效集成。scSVA和loom-viewer是最高效的HDF5支持的工具。
预处理时间和内存：对于四个工具(iSEE-SCE、Single Cell Explorer、UCSC Cell Browser和cellxgene)，预处理内存和预处理时间随着输入单元的数量呈指数增长。
基于web的可视化工具用户体验测评
除了性能之外，研究人员还根据用户体验对基于web的可视化工具进行了比较。
细胞选择工具：为了对细胞组进行统计分析和比较，用户需要选择感兴趣的细胞群。大多数工具都提供了选择功能。其中最灵活和用户友好的是自由手套索选择，cellxgene, SCope和Single Cell Explorer都支持这种选择。它允许用户通过在感兴趣的单元格周围绘制一个自由的形状曲线来选择单元格。
缩放功能：放大和缩小的能力对于可视化分析和验证数据至关重要。除了 loom-viewer 和 Single Cell Explorer，大多数工具都有缩放功能。
按值突出显示：每个单细胞可视化工具必须具有的最重要功能之一是突出显示特定信息的能力。除了loom-viewer（用于基因表达）和SCope（用于细胞元数据）之外，几乎所有工具都可以使用此功能。
附加分析功能：可视化工具的一个实用功能是可以对用户选择的细胞进行额外的分析，如细胞类型注释、差异表达分析或标记基因识别。三种工具（cellxgene、scSVA和Single Cell Explorer）都具有这种功能，iSEE通过自定义面板支持这种功能。
结论
每种工具都有其独特的优缺点，因此无法实现简单的排名。根据研究团队的经验和部分测评结果的支持，研究团队目前建议使用cellxgene进行scRNA-seq数据的可视化分析。同时他们还制作了一个详细的cellxgene使用教程： https://cellgeni.readthedocs.io/en/latest/visualisations.html.
为了解决各种可视化工具格式兼容性的问题，研究团队还开发了一个用户友好的R软件包sceasy，它允许用户将自己的scRNA-seq数据集转换为特定的数据格式以进行可视化。转换函数的示例可以在sceasy GitHub页面找到: https://github.com/cellgeni/sceasy.

---

论文原文

论文原文链接