CITE-seq - normalization with CLR

Why CLR?

问题表述： 尽管不同的蛋白表达量之间具有差异性，但clusters之间无法较好分离

主要原因： 在对转录组+蛋白组的原始数据预处理（pre-processing）部分，RNA filtering流程无较大差异，但基本上所有CITE-seq文章中对于蛋白组数据在聚类前都使用了CLR normalization方法。

由于对于给定单一细胞，每个ADT count都可以被认为是一个整体（all ADT counts）的一个部分，且存在非特异性结合（这也是蛋白数据存在大量噪声的原因之一），更倾向于将ADT-tag counts数据认为是组成性数据(compositional data)。而传统统计学分析并不适用于这类数据（原因在组成分析的创始论文有具体阐述Aitchison 1989），可简单理解为由于组成性数据更关注相对量而不是绝对值的大小，且总量受限制（在CITE-Seq语境下，即考虑到目前可选择的蛋白marker种类限制，应更关注不同蛋白间的表达量差异而非具体counts的多少），不同ADT-tags counts相当于限制性变量，不同于常用的非限制性变量(unconstrained random variables)。因此使用CLR对数据进行转换应当是必要的。

• CLR-transformed ADT vector y for each cell where

\[y = clr(x) = [ln(\frac{x_1}{g(x)}), ln(\frac{x_2}{g(x)}),..., ln(\frac{x_n}{g(x)})]\]

and x is the vector of ADT counts including one pesudocount for each component, and g(x) if the geometric mean of x.

对于CLR修正前后的数据进行了聚类比较，使用了相同的参数resolution=0.1。

Reference

• CITE-seq：http://www.nature.com/articles/nmeth.4380
• 组成分析： https://www.lyellcollection.org/doi/10.1144/GSL.SP.2006.264.01.01

• normalization
• clr
• cite-seq