单细胞转录组数据分析之RNA速率分析——scVelo
RNA速率（RNA Velocity）是一个描述基因表达状态随时间变化速率的概念。具体来说，它指的是已剪接mRNA（Spliced mRNA）和未剪接mRNA（Unspliced mRNA）的含量相对于时间的变化速率。
scVelo是一个开源的Python库，专门用于单细胞转录组数据中的RNA速率分析。它通过分析单细胞RNA测序（scRNA-seq）数据，揭示细胞内在的动态过程，帮助科学家理解基因表达的时间轨迹和细胞状态变化。
网址：https://gitcode.com/gh_mirrors/sc/scvelo
说明文档：https://scvelo.readthedocs.io/en/stable/
基本原理
通过区分未剪接的mRNA与成熟的剪接mRNA，可以近似地得到mRNA丰度的变化，获得基因特异性速度，得出可能的细胞状态变化，从而追溯细胞的起源和潜在的命运。
RNA速率应用方向
（1）预测细胞未来的表达状态：通过RNA速率推断细胞未来可能的表达状态和动态变化。
（2）研究细胞动态：RNA速率有助于理解细胞内基因表达的动态变化，包括转录、剪接和降解的速率。
（3）构造细胞分化轨迹：通过分析不同基因的RNA速率，可以构建细胞分化的轨迹，揭示细胞分化的方向性和机制。
（4）分类不同的细胞动力学机制：RNA速率还可以用于对不同的细胞动力学机制进行分类，从而更好地理解细胞的不同行为和反应。
软件使用介绍
scVelo软件主要包括以下几个步骤：
1）数据过滤及标准化
scv.pp.filter_and_normalize(adata)
2）计算RNA速率一阶矩和二阶矩（均值与非中心方差
scv.pp.moments(adata)
3）估算RNA速率
scv.t1.velocity(adata)
注意：默认mode='stochastic'，也可以设置成'dynamics' (Dynamical Modeling）
4）将速率投影到低维度
scv.t1.velocity_graph(adata)
5）可视化
# RNA速率流线图
scv.pl.velocity_embedding_stream(adata, basis='umap')
# 伪时间热图
scv.tl.velocity_pseudotime(adata)
scv.pl.scatter(adata, color='velocity_pseudotime', cmap='gnuplot')
# 驱动基因分析
scv.tl.recover_dynamics(adata)
top_genes = adata.var['fit_likelihood'].sort_values(ascending=False).index[:300]
scv.pl.heatmap(adata, var_names=top_genes, sortby='velocity_pseudotime', col_color=groupby,n_convolve=100, dpi=50)
文献摘录
这里介绍一篇发表于2022年的文章《Single-cell RNA landscape of the osteoimmunology microenvironment in periodontitis》，本文作者利用scVelo来确定成骨细胞谱系细胞的转录命运。通过scVelo估算RNA速率，并投影到UMAP图上，箭头代表了细胞群之间的分化关系，可以看到MSC细胞群（黄色）向pre-OB和OB 细胞群分化，再结合拟时序分析（monocle2）进一步证实MSC到Pre-OB和OB的分化关系。
