治疗前后的样本分别聚类时,治疗后一侧出现了一小群 T 细胞,几个干扰素应答基因一起升高。把样本整合后重画 UMAP,这群细胞融进了大片 T 细胞里。合作者问,这说明它原先只是批次效应吗?这时最有用的东西,是整合前属于小群的那张条码清单。找到同一批细胞,分别查它们是否仍在、正在和谁做邻居、表达证据还在不在。这三个问题可以用三组不同的观察回答。

先数一遍细胞,给原来的小群办一张身份证
回到整合前最后一次能辨认目标群的对象,导出文库标识、细胞条码、患者、采样时间、条件、原簇名及注释版本。如果各文库复用了同样的十六位条码,要用文库标识和条码联合匹配。给小群生成一个固定的逻辑列,读入整合对象后按键连接。检查有多少个键一一匹配、多少个缺失、多少个被重复使用。旧对象经过二次取子集、新对象合并时修改过前缀,都可能让“消失”发生在画图之前。
缺失的细胞先到过滤记录里找。比较整合两端使用的质控阈值、双细胞排除和抽样名单。若旧群一半条码在新对象中根本找不到,先解释这部分减少。其余能匹配的细胞再进入后续比较。对基于抽样的分析,还要查图画的是代表性子集还是投影后的全体细胞。把损失分解为“进入整合前已经移除”和“保留下来后几何位置发生变化”,往往就能解决第一轮讨论。
两张 UMAP 的形状,比不上两张邻居名单
把目标细胞涂上一种醒目的颜色,其余用淡灰,同一组细胞在整合前后的图各画一次。观察它们仍互相靠近,还是散到不同谱系。两个位置在二维图上看着重叠,并不意味着高维表达或整合后的邻域完全相同。UMAP 的旋转、布局与点密度也会影响观看感受。固定绘图参数有助展示,判断邻居是否变化则要回到构图时使用的表示空间。Seurat 整合教程
一种能手工核验的做法,是对能在两端找到的条码,分别从未整合 PCA 和整合后的低维表示中取相同数量的近邻,去掉自身。给每个细胞算两项比例,一项是近邻中有多少也属于原小群,另一项是其中有多少来自别的患者。再加一列近邻的谱系构成。理想的观察可能是跨患者邻居增加、T 细胞仍占多数。若原来的小群本来只来自一人,原群比例下降也完全可能由供者混合带来,尚不能判断状态是真是假。
例如某细胞原先的二十个邻居里有十四个属于原群,整合后剩下六个。这个手算例子只告诉我们原群成员不再那么紧密。若新增的邻居依然是表达应答标记的 CD8 T 细胞,可能是两份样本中相似的细胞靠到了一起。若新增的邻居大多是标记清楚的髓系细胞,则要复核双细胞、注释或整合强度。相同的十四变六,对应的生物学解释可以很不一样。
用未经整合的 RNA 表达检查状态是否保留
从原始 RNA 计数出发,在相同归一化与色标下画表达,保留相同的目标条码。先用 CD3D、CD3E、TRAC 确认 T 细胞谱系,再根据原来的研究假设检查一组有依据的状态基因。若关注干扰素应答,可并排看 ISG15、IFIT1、MX1 等,同时看单个基因的检出比例和每位患者的分布。整合后的坐标和聚类标签可以帮助定位细胞,供者层面的表达比较仍应回到有来源记录的 RNA 层。
还应给候选群找一个合适的参照。可以从相同患者、相同时间点抽取同一大类 T 细胞,把测序深度分布画在旁边。对照用全体淋巴细胞时,谱系差异容易抢走注意力。只用一个表达极端低的亚群做参照时,差异又可能被放大。保持参照定义固定,有助于判断原群代表截然分离的亚群,还是一段横跨多个聚类标签的应答梯度。
| 追踪同一批条码后看到了什么 | 优先检查的解释 | 值得补上的证据 |
|---|---|---|
| 条码在整合对象里大量缺失 | 过滤、抽样或条码匹配改变了名单 | 各步保留数和未匹配示例 |
| 邻居改变,多个供者仍有同向 RNA 信号 | 状态可能跨过了聚类的边界 | 供者分面的表达与邻居标签 |
| 信号几乎来自一名供者或一个处理批次 | 个体差异或技术条件仍可解释现象 | 配对样本、建库记录和独立重复 |
| 谱系标记也混乱,出现大量跨谱系邻居 | 注释、混合条码或整合设置待查 | 原始条码、双细胞评分和对照整合 |
把治疗与批次摆上同一张表
列出每位患者在治疗前后有哪些样本,各自来自哪个中心、哪个建库批次。若所有治疗前样本都在一天制备,所有治疗后都在另一天制备,而且没有跨批次对照,数据中就缺少区分日期效应和治疗效应的信息。比较几个整合方法仍然可以帮助描述共同谱系,却无法凭空补齐这个实验设计。此时合适的文章结论是“检测到与条件相关、同时与批次重合的应答信号”,并说明哪种新增对照能帮助拆分。
有配对样本时,分别在每位患者内比较目标细胞占同类 T 细胞的比例、标记强度和取样深度。用线连接同一人的前后点,保留不同人的差异。总图里一个紧凑小群可能来自少数患者,也可能每人只贡献少量细胞,却方向一致。对后者,先定义的状态特征通常比强行要求每一位患者都形成独立小簇更适合作为复核对象。要正式比较组间差异,还需用供者层面的重复与适合设计的统计方法。
换一组合理设置,结论还剩下多少
把不做整合的结果留作基线,再选一个与数据相容的整合方案。条件允许时增加一种相对保守的设置,保持输入细胞、高变基因筛选原则、邻居数量和评估指标可比。先把判断标准写下来,包括已知大类是否保留、样本来源是否仍主导邻域、目标状态基因是否在多位患者中复现。方法的选择应能同时回答技术混合和生物信号保留这两类问题。图谱整合方法的原始基准研究
若想先拿公开数据练习,Kang 等人的外周血数据含同一供者的未刺激与干扰素刺激样本,适合拿来练习“谱系身份”和“条件响应”分别怎么看。把已知刺激标签暂时盖住,先按 T 细胞谱系追踪近邻,再揭开刺激标签检查响应基因。这个例子里用的是实验刺激,读回自己的肿瘤治疗数据时要重新核对给药时间和取材设计。Kang 等的原始实验
为了让别人复核,可以一起交付一份完整条码账本、一张有相同高亮对象的前后邻域图、一张按患者分开的表达图。图注说清是否保留了那些细胞、改变的是邻居还是标记、哪一部分仍受批次限制。合作者即使不接受原来的亚群名字,也能顺着同一组证据讨论应答状态。
还有一个容易漏的分母。若治疗后的样本多捕获了一类细胞,整合图里的彩色点可能在视觉上被稀释。把原群细胞数分别除以同患者的全部细胞、以及同患者的同谱系细胞数,各算一遍。前者描述整份取样中的构成,后者更接近同类细胞内部的状态变化。若两者得出不同印象,就把两个分母一同写在结果里,让读者看清比例变化发生在哪一层。
动手追踪同一条码的近邻
把整合前后两套低维坐标和原群条码放在一起。先数哪些条码还在,再在共同细胞全集里查询邻居。这个例子故意打乱第二张坐标表的行序,并漏掉一个原群成员。
下载 R 代码、进阶练习、示例数据与可编辑教程(ZIP) · 单独下载图文操作手册(PDF)
在解压后的文件夹打开终端,先按操作手册安装所需 R 包,再运行下面这条命令。Windows、macOS 和 Linux 均可使用相同的参数。在 RStudio 中也可以将工作目录设到资料包根目录后运行 source("run.R", encoding="UTF-8")。
Rscript run.R example results
核对输入和第一项结果
r <- read.delim("results/retention.tsv")
target <- subset(r, target)
with(target, table(in_before, in_after))
target$cell_id[!target$in_after]
示例中 6 个目标条码有 5 个进入两套坐标,D2_C15 只在整合前出现。先把它记为未匹配,剩余五个再比较近邻,避免把条码缺失解释成细胞状态消失。
用另一张表检验你的解释
e <- read.delim("results/neighbour_list.tsv")
one <- subset(e, cell_id == "D1_C01")
a <- one$neighbour_id[one$space == "before"]
b <- one$neighbour_id[one$space == "after"]
length(intersect(a, b)) / length(union(a, b))
D1_C01 两套各有 3 个邻居,交集 1 个、并集 5 个,Jaccard 为 0.20。整合后它有 2 个邻居来自别的供者。要解释状态是否仍在,继续对照同条码在原始 RNA 层的表达与供者分布。
换成自己的数据
以下是 Seurat v5 对象的导出示例。obj 应是读者已运行分析的对象,示例的 integrated.rpca 请替换为 Reductions(obj) 中对应本次分析的名称。分开保存的两个对象也可分别提取坐标,只要条码键统一。
source("prepare.R", encoding="UTF-8")
write_embedding(SeuratObject::Embeddings(obj, "pca"), "before.tsv")
write_embedding(SeuratObject::Embeddings(obj, "integrated.rpca"), "after.tsv")
把字段与示例对齐后,运行 Rscript run.R my-data my-results。资料包的 操作说明.md 列出每个输入字段、输出文件与复核办法。
近邻数换成 2、3、5,同一群细胞还聚在一起吗?
整合前后各取三个近邻,可能恰好让某个边界条码显得变化很大。固定共同细胞和两套坐标,逐个更改近邻数,看看目标同伴的比例以及具体同伴的身份各自怎样变化。
Rscript advanced.R example results 2,3,5
末尾给出想比较的 k,多个值用英文逗号隔开。所有 k 必须小于共同细胞数。算法先在两个空间各取足够长的精确近邻列表,随后截取各个 k,供者汇总使用目标条码的中位数。
x <- read.delim("results/k-by-cell.tsv")
subset(x, cell_id == "D1_C01",
c(k, retained_neighbours, jaccard, target_before,
target_after))
对模拟条码 D1_C01,k 为 2、3、5 时,与整合前相同的邻居分别有 1、1、3 个。以 k 为 3 为例,前后各 3 人,交集 1、并集 5,Jaccard 为 0.20;整合后的 3 个邻居却全属于原目标群。同伴的具体身份换了,细胞状态仍可能相近。
打开 k-by-donor.tsv,D1 在 k 为 3 时汇总了 3 个目标条码,D2 只有 2 个。先给每一位供者画范围,再决定是否值得追踪同一标记群。两个坐标空间若存在相同距离的并列邻居,边界名次还可能随并列处理改变。
可以先在一对样本上学会追踪,再把相同脚本用于全部患者。如果扩到整队列后在建邻居图或整合时反复中断,带上细胞规模、方法名称和中断阶段,就能讨论适合继续自行分析的计算环境。云生信科研服务器租赁
