12月21日《Nature Biotechnology》发表了一篇文章，比较了不同技术和不同实验室产生的不同单细胞RNA测序（scRNA-seq）数据集。Loma Linda大学的研究人员提出了在选择算法时需要指导的问题，从而能够对不同平台获得的不同数据类型进行精确的生物学解释。

研究人员使用两个特征良好的细胞参考样本（乳腺癌细胞和B细胞），分别或混合采集，比较不同scRNA序列平台和多个中心的预处理、标准化和批效应校正方法。虽然预处理和标准化有助于基因检测和细胞分类的可变性，但批量效应校正是迄今为止正确分类细胞的最重要因素。此外，scRNA-seq数据集的特性（例如，样本和细胞异质性以及所使用的平台）对于确定最佳的生物信息学方法至关重要。然而，当应用适当的生物信息学方法时，跨中心和平台的重复性很高。

这些发现为设计scRNA序列研究时优化平台和软件选择提供了实际指导。

研究设计概要

使用两个参考细胞系（样本A，HCC1395；样本B，HCC1395BL）在四个平台（10x Genomics、FluidGM C1 HT、FluidGM C1和Takara Bio ICELL8）和四个检测点（LLU、NCI、FDA和TBU）生成scRNA序列数据。在LLU和NCI位点（10x），将10%或5%的癌细胞加入B淋巴细胞，制备混合单细胞捕获和文库构建。在NCI位点，用两种甲醇固定的细胞混合物（5%的癌细胞加入B淋巴细胞，名为固定细胞1和固定细胞2）进行单细胞捕获和文库构建。一组来自NCI的10x scRNA文库也使用一种较短的改良测序方法进行测序。BK-RNA-seq数据也从这些细胞系中获得，每个细胞系一式三份。

对于横跨14对数据集的乳腺癌细胞系（样本A）和B淋巴细胞系（样本B），显示了映射到外显子区域（蓝色）或非外显子区域（橙色）或未映射到人类基因组（灰色）的读数百分比。对于UMI方法（10x），深蓝色表示使用UMIs的外显子读取。

每个细胞在不同的测序读取深度检测到的基因的中位数。

原文检索：Chen W, Zhao Y, Chen X et al. (2020) A multicenter study benchmarking single-cell RNA sequencing technologies using reference samples. Nat Biotechnol

（生物通：伍松）