隨著單細胞以及單核測序（single-cell and single-nucleus RNA-sequencing）的快速發展以及逐漸普及，越來越多的單細胞測序數據集在近幾年不斷的出現。這些數據集不僅有著成倍增加的細胞數量，也包括了更多維度的生物特征信息，這使得預處理單細胞測序數據的所需的時間不斷增加。例如，10x Genomics的官方預處理軟件CellRanger有時需要幾十個小時來處理一個單一數據集。雖然目前有些輕量化工具可較快的處理單細胞測序數據，比如kallisto｜bustools 和alevin，但輕量化工具的假陽性和準確性問題一直有待解決。

在2022年三月的Nature Methods期刊中，美國馬里蘭大學的Rob Patro團隊發表的了名為alevin-fry的單細胞測序數據預處理工具來一站式高效便捷的量化sc/snRNA-seq數據。通常情況下，alevin-fry可在15分鐘內以小于8 GB的內存用量處理單細胞或單核測序數據集，并與任何其他工具所能達到的最佳準確率持平。該工具用當前熱門的Rust編程語言書寫，不僅在GitHub (https://github.com/COMBINE-lab/alevin-fry)上完全開源， 并且上傳至crates.io (https://crates.io/crates/alevin-fry)及 bioconda (https://anaconda.org/bioconda/alevin-fry)以供下載安裝，還有有十分完善的配套工具 (https://github.com/COMBINE-lab/usefulaf)用于構建參考序列以及導入量化分析結果。

除了比其他任何量化方法都更快、更節省內存之外，alevin-fry還改進了量化工具中普遍存在的內存可伸縮性問題和其他輕量化工具表現出的假陽性表達問題。除此之外，alevin-fry所產生的量化結果還可被直接用于多種下游分析，例如對單細胞速率（RNA velocity）的研究。

在業界普遍認為的效率（速度及內存占用）或準確性二選一的難題中，論文展示了alevin-fry做到了不僅在效率上處于全業最優，而且達成了其他以全基因組為基礎的量化工具用犧牲效率換來的高準確性。可以說alevin-fry不僅是現今最高效的單細胞預處理工具，也是現如今最準確的單細胞預處理工具之一。在結果中，該論文指出了alevin-fry不僅解決了在輕量化工具中普遍存在的假陽性問題，還在其他工具普遍需要額外的內存及時間來處理單核測序數據的情況下做到了可將單細胞及單核測序數據統一化高效處理。除此之外，該論文還示范了如何用alevin-fry來處理各種類型的數據集，例如單細胞測序，單核測序和RNA速率的示例數據集，并展示了alevin-fry的量化結果相比于其他任何的量化工具保留了最多的生物信號。

為方便用戶使用，該團隊為alevin-fry準備了完整的配套工具 https://hub.docker.com/r/combinelab/usefulaf。對于構建參考序列，R用戶可參考roe (https://github.com/COMBINE-lab/roe)，python用戶可參考 pyroe (https://github.com/COMBINE-lab/pyroe)。對于導入量化結果，該團隊也對 R用戶 (https://mikelove.github.io/fishpond/reference/loadFry.html)和 python用戶 (https://github.com/COMBINE-lab/usefulaf/blob/main/python/load_fry.py)分別提供了支持。除此之外，usefulaf (https://hub.docker.com/r/combinelab/usefulaf)還提供了bash scripts和Docker與singularity鏡像，讓用戶可以通過簡單的幾行命令預處理任何單細胞數據集。該團隊還為用戶提供了一種模擬CellRanger篩選細胞的方法，并被納入DropletUtils (https://github.com/MarioniLab/DropletUtils/blob/master/R/emptyDropsCellRanger.R) R包中。并且，該團隊還會不定期更新各種alevin-fry相關教程 (https://combine-lab.github.io/alevin-fry-tutorials/)，截至發稿時，已有關于利用alevin-fry完成空間轉錄組分析，CITE-seq，sci-RNA-seq3及split-seq數據分析和RNA速率分析的相關教程。

Twitter 原文：https://twitter.com/nomad421/status/1503391195514482688

論文鏈接：https://www.nature.com/articles/s41592-022-01408-3

馬里蘭大學Rob Patro教授為本文通訊作者，博士生和東澤為本文第一作者。Rob 實驗室還開發有Salmon, Sailfish, Mantis, Pufferfish 等工具。

往期精品(點擊圖片直達文字對應教程)

機器學習

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

總結

以上是生活随笔為你收集整理的Nature methods | Alevin-fry， 一种高效准确的单细胞测序数据预处理工具的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。