biolearnexact4qyjsix9m3x9lyx9o3x9mwxqx8xg7r

カウント行列とは何か

この記事で学ぶこと

カウント行列は、遺伝子ごとに観測されたリードや分子の数を、サンプルまたは細胞ごとに並べた表です。

RNA-seqやsingle-cell RNA-seqでは、この表が多くの解析の出発点になります。行と列が何を表すかを確認すると、正規化、次元削減、差次的発現解析の意味が見えやすくなります。

カウント行列は、生のシーケンスデータと解析結果の間にある重要な中間データです。ここで何が行、何が列、何が値かを理解していないと、その後の発現量、クラスタ、差次的発現の図を読み違えやすくなります。

カウントは解析の出発点ですが、そのまま発現量として単純比較するものではありません。サンプルごとの総リード数、細胞ごとの検出効率、遺伝子長、技術的なばらつきなどの影響を受けるため、正規化や品質管理とセットで扱います。

bulk RNA-seqでは、列がサンプル、行が遺伝子になることが多いです。single-cell RNA-seqでは、列が細胞やバーコード、行が遺伝子になることが多く、非常に大きく、値が0の多い表になります。

たとえばGene Aがサンプル1で100、サンプル2で300と数えられていても、ライブラリサイズや正規化を考えずに単純比較はできません。

RNA-seq解析では、シーケンサーから得られたリードを遺伝子や転写産物に対応づけ、遺伝子ごとの数を数えます。この数を表にしたものがカウント行列です。

single-cell RNA-seqでは、細胞バーコードやUMIを使って、どの細胞でどの遺伝子由来の分子が検出されたかを数えます。Methodsでは、どのツールやアノテーションで数えたかが重要です。

低品質細胞、低発現遺伝子、重複、マッピングの違いは、カウント行列の値に影響します。そのため、正規化前後、フィルタ前後、bulkかsingle-cellかを区別して読む必要があります。

single-cellではゼロが多くなりますが、ゼロは「本当に発現していない」場合と「検出できなかった」場合の両方を含みます。ゼロの多さは、次元削減やクラスタリングの見え方にも影響します。

論文では、カウント行列そのものはSupplementaryやデータリポジトリに置かれ、本文では正規化後の発現量、差次的発現、ヒートマップとして出てくることが多いです。

Methodsでは、どのツールでリードを数えたか、どの遺伝子アノテーションを使ったか、低発現遺伝子をどう扱ったかが重要です。

日本語	英語	略語	説明
カウント行列	count matrix	-	遺伝子ごとのカウントをサンプルまたは細胞ごとに並べた表。
リード	read	-	シーケンサーで読み取られた短い配列断片。
正規化	normalization	-	サンプルや細胞間で比較しやすいように尺度を整える処理。
品質管理	quality control	QC	解析に影響する低品質データや外れ値を確認する工程。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし