单细胞代谢分析(scMetabolism)

1.工具概述：

ScMetabolism是2021年发表在Cancer Discovery研究结直肠癌肝转移的单细胞文章中【1】一款专为单细胞数据设计的代谢通路分析软件，内置了85条KEGG代谢通路和82条REACTOME代谢通路，集成了VISION（默认）、AUCell、ssGSEA、GSVA等多种单细胞打分算法，可对单细胞数据进行单细胞代谢通路和活性评分展示，目前该方法支持分析的物种为人和小鼠。（https://github.com/wu-yc/scMetabolism）

相比其他软件，scMetabolism对单细胞的Seurat软件兼容极好，包含多种较完善的R语言打分算法，且在分析速度上明显优于其他软件；得分结果以热图和小提琴图展现不同分组或clusters间的代谢活性差异，也可以将代谢得分整合进seurat数据，从多个角度展示不同细胞群的代谢活性强弱，是当前单细胞代谢分析的首选之一。

参考文献：

Wu Y, Yang S, Ma J, Chen Z, Song G, Rao D, Cheng Y, Huang S, Liu Y, Jiang S, Liu J, Huang X, Wang X, Qiu S, Xu J, Xi R, Bai F, Zhou J, Fan J, Zhang X, Gao Q. Spatiotemporal Immune Landscape of Colorectal Cancer Liver Metastasis at Single-Cell Level. Cancer Discov. 2021 Aug 20.

2.操作方法：

①任务名称：对本次小工具运行任务进行命名，方便后续任务查找及分析结果查看。

②分析逻辑：此处“按单个样本分析”的逻辑为：每个样本单独去分析该样本内细胞类型的代谢通路基因集；“按组别分析”的逻辑为：每个组别单独分析该组别内细胞类型的代谢通路基因集；“整体分析”的逻辑为：所有样本内的细胞类型进行分析。

③物种选择：选择需要分析的物种信息。该分析仅能分析人和小鼠2个物种。

④算法选择：软件包内置4种算法，VISION（默认）、AUCell、ssGSEA、GSVA等多个单细胞打分算法，可对单细胞数据进行单细胞代谢通路和活性评分展示。

⑤Seurat RDS文件：此文件格式为RDS，rds是R语言中利用二进制保存的源文件。

此处需要上传的是单细胞数据中seurat软件的RDS文件。此文件主要包括表达量矩阵文件、降维聚类之后每个细胞对应的cluster和样本（sample）结果。以上信息为必须，除此之外也可以加上每个细胞对应的组别（group）和细胞类型（celltype）信息。

示例文件：

3. 结果解读：

结果按照参数设置选择的分析逻辑进行联动展示，切换样本/组别以及数据库下面的结果图表会响应变动。

（1）代谢通路基因集打分均值统计表

使用Vision（默认）算法进行代谢打分计算得分，结果为打分均值统计表，average_score表格的第一列为匹配到代谢基因集的代谢条目名称，每一列为不同细胞类型的得分均值。

（2）代谢通路基因集score分布图

切换展示图形：UMAP图+tSNE图+箱线图

注：该图通过UMAP/tSNE的方式展示了特定代谢通路细胞的代谢活性，通过不同颜色来表示代谢活性的高低。图例标题即为代谢通路名称。【备注：一条代谢通路一张图，点击“剩余通路下载路径”按钮跳转到对应结果目录查看全部结果，图片以代谢通路名称命名，可检索目标通路进行结果下载】

注：该图通过箱线图的方式展示了特定代谢通路细胞的代谢活性，横坐标表示不同的细胞类型，标题为代谢通路名称。【备注：一条代谢通路一张图，点击“剩余通路下载路径”按钮跳转到对应结果目录查看全部结果，图片以代谢通路名称命名，可检索目标通路进行结果下载】

（3）代谢通路基因集score分布气泡图

注：该图展示了不同细胞的代谢活性,横坐标是细胞类型，纵坐标代表各个代谢通路，气泡大小代表百分比，颜色代表Value值，颜色越深活性越高。

（4）代谢通路基因集score热图

注：该图展示了不同细胞的代谢活性,横坐标是细胞类型，纵坐标代表各个代谢通路，颜色代表Value值，颜色越深活性越高。