把同一位患者的血液和肿瘤做完单细胞测序,在桑基图的两端看见一条粗线。外周血的一群记忆样 T 细胞与肿瘤中的一群细胞拥有相同的 T 细胞受体序列。读图的人很容易猜想,细胞也许从血液进入了肿瘤,随后改变了状态。图里真正观测到的是两处取样中存在符合某种定义的共享克隆。想让这条线承担更多解释,先核对序列、患者和分母,再看时间与空间能提供什么证据。

先说清楚“相同”是怎么判的
以常见的 αβ T 细胞为例,先为每个条码整理来自同一细胞的 α 链和 β 链。一个可复现的严格定义,是在同一患者内要求两条链的 CDR3 核苷酸序列分别完全一致,并预先规定是否要求 V、J 基因相符。也可以按氨基酸序列归并,或在某些问题中分析相似受体家族。归并尺度每放宽一次,得到的共享集合都有可能变大。文章里应该明确以哪一种为主,哪些属于敏感性分析。Scirpy 的肿瘤 T 细胞克隆分析实例
尤其要防止用两个文件里都叫“clonotype1”作为匹配依据。单次运行生成的序号服务于那一次输出,不同文库中排第一的克隆很可能具有完全不同的序列。可先构建“患者、α 序列、β 序列”组成的键,再与本地编号做对照。某个组织只有 β 链时,把它列在单链证据层。双链对双链的严格比较保持清晰。若主要结论只出现在单链或氨基酸层面,就在图例中明确到这个层次。10x 克隆型判定说明
有的条码确实能检测到两条 α 链,也可能因为混合细胞或噪声而出现复杂的链组合。先回查组装质量、是否为有效编码链、对应的 UMI 以及表达谱中的双细胞线索。为双链之外的情形事先定规则,例如在主要结果中分析有明确单对链的条码,另表追踪多链信息,随后报告不同规则对共享率的影响。不要等看完最漂亮的图以后才给个别克隆挑规则。Cell Ranger 的 V(D)J 注释字段
先在一位患者身上把两张表对齐
表达矩阵里至少保留患者、文库、组织、取材时间、T 细胞状态和细胞条码。受体表记录同一文库的条码、链类别、CDR3 序列和质量字段。合并时用文库和条码共同匹配,不能只使用去掉后缀的一串碱基。取三条记录手工追踪,确认血液中的一个条码没有连到肿瘤里的同名条码。再分组织点数,从所有 T 细胞开始,一直数到有受体、有有效 β 链、最后有符合主要定义的配对链,各写下剩余多少。
这份覆盖表决定后面有些“没有”应当怎样解释。若某人的肿瘤样本有许多清楚的 T 细胞,受体文库却只留下很少的可用配对链,未检出的共享克隆可能只是漏采。若血液和肿瘤来自不同日期,还要写清是否跨过手术或治疗。这些事件可能改变克隆规模。没有真实配对的供者不能补成同一人的两处取样。跨人相同或相似的序列可以另开一个有关公共受体的问题,却无法告诉我们同一个人的细胞去过哪里。
一次手算,看懂三个容易混用的“共享率”
设想某位患者的血样有四十个合格 T 细胞,肿瘤样本有二十个。克隆甲在血样中有八个细胞,在肿瘤中有两个。于是甲在两处的细胞占比分别为五分之一和十分之一。再假设血样检出十种克隆,肿瘤检出八种,其中只有两种共享。以血样克隆种类为分母,共享比例为十分之二。以肿瘤为分母是八分之二。以两处克隆并集为分母则为十六分之二。这些是教学数字,三个分母分别在问谁覆盖了谁,以及两集合总体重叠多少。
还有一种问题是“多少 T 细胞属于共享克隆”。这里每个细胞都计数,大克隆会明显影响结果,即使只有很少种类的克隆共享,粗线也可能占满半张图。画图时把线宽图例写成“细胞数”“克隆种数”或“样本内频率”,并在图旁摆一张按克隆计数的表。对同一批数据同时给出种类层面与细胞层面的指标,能区分众多小克隆共同出现和个别大克隆扩增这两种情形。
| 想回答的问题 | 分析时盯住什么 | 最常见的误读 |
|---|---|---|
| 两处是否检出同一克隆 | 同一患者、同一克隆定义、两处合格链 | 把两个文库的本地编号当作相同序列 |
| 两个组织有多相似 | 各自的可用细胞数、克隆种数和重叠分母 | 把某处测得更深解读为共享更多 |
| 共享克隆是否跨越状态 | 同一克隆在不同组织与状态的细胞分布 | 把同源细胞的状态差异写成已观察到转分化 |
| 是否有定向迁移 | 时间序列、空间定位及能追踪去向的设计 | 让横断面桑基图的左右顺序代替方向证据 |
深度、稀有克隆和大克隆,最好分开检查
在每位患者内部,把两处可用的受体阳性细胞随机抽到相同数量,进行多次,画重叠指标的分布并记录抽样种子。保留完整数据结果与降采样结果并排显示。若原来由单个样本贡献的“高度共享”在等深度时变化很大,就要把覆盖差异写进解释。低覆盖样本即使反复抽样也不会长出新信息,尤其当目标是非常稀有的克隆。可先把稀有克隆单列,报告实际检出的数量和主要结论对抽样的敏感程度。
再做一遍移除最大克隆或每克隆等权的分析。如果某位患者的大克隆几乎单独决定结果,它可能本身很值得研究,但不能代替所有患者。先给每人画一个共享指标,再看队列中有多少人方向相似。组织内和外周血的取样方式也要记录,特别是肿瘤组织中可能残留血液。对有空间材料的病例,用组织定位区分贴近血管和深入肿瘤实质的 T 细胞,能给“肿瘤中检出”补上原本缺失的位置含义。
把迁移假设写在能够被验证的位置
同一克隆出现在两种状态,可以支持同一克隆型在这两处环境中均有成员,并提示状态可塑性或共同来源。细胞可能从血到瘤,也可能有组织回流,或者同一来源的后代分别抵达两处。横断面抽样没有追踪单一细胞经过的路线。按 TCR 与转录状态量化组织共享的原始研究可作为读图练习,注意作者测量的指标,以及从指标走向生物学解释所依赖的设计。结直肠癌单 T 细胞与 TCR 追踪研究
后续若能获得同一患者的连续血样和有时间标记的组织样本,可以检查共享克隆何时扩增,以及在哪些状态里较早出现。首次检出时间仍受采样深度影响,更早看到并不等于确认起源。空间定位有助于排除血管残留,动物体系中的标记追踪则更接近直接观察去向。若研究目标是判定某个克隆识别肿瘤抗原,还需要针对抗原的独立验证。序列共享、迁移方向和抗原特异性各有各的实验读出。
给论文补图时,可以把每个共享克隆的完整合格配对信息留在可追溯的分析表中,在图上用患者内的匿名编号。表里另外记录各组织的细胞数、主要状态、取样日期和匹配规则。挑出一条粗线、一条细线,再挑一个只在血液检出的克隆,从图一直反查到链表。若三者都能准确复原,图才能区分“序列确有匹配”“抽样中尚未检出”与“输入缺少有效受体”,也给后续在新增样本中追踪同一克隆留下了入口。
自己算一遍血液与肿瘤的共享率
从经筛选的受体链和表达谱 T 细胞名单出发,先核对有效配对链的覆盖,再按患者比较两处克隆。即使文库复用条码,相同序列也只在同一位患者内部比较。
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
z <- read.delim("results/cell_clonotypes.tsv")
paired <- subset(z, donor == "P1" & pair_status == "single_pair")
b <- unique(paired$clonotype[paired$tissue == "blood"])
t <- unique(paired$clonotype[paired$tissue == "tumor"])
c(blood = length(b), tumor = length(t),
shared = length(intersect(b, t)))
P1 的血液有 6 个合格细胞、3 种克隆,肿瘤有 4 个合格细胞、2 种克隆。两处共享 1 种。用克隆种数算,血液侧比例为 1/3,肿瘤侧为 1/2;用并集作分母则为 1/4。
用另一张表检验你的解释
length(intersect(b, t)) / length(union(b, t))
coverage <- read.delim("results/coverage.tsv")
subset(coverage, donor == "P1")
depth <- read.delim("results/equal_depth.tsv")
subset(depth, donor == "P1")
把同一患者两处抽到共同深度 4,固定种子重复 100 次,示例的 P1 共享交并比中位数为 0.25。该区间描述抽样敏感性。条形图和克隆表能说明两处检出同一克隆,方向与抗原特异性仍需各自的证据。
换成自己的数据
请把路径和两个文库名换成自己的文件与标签。cells.tsv 需使用同样的 library_id,并保留文库内原始 barcode。多患者可按文库继续追加。
source("prepare.R", encoding="UTF-8")
b <- read_vdj_library("blood/filtered_contig_annotations.csv", "P1_B")
t <- read_vdj_library("tumor/filtered_contig_annotations.csv", "P1_T")
write.table(rbind(b,t), "contigs.tsv", sep="\t", quote=FALSE, row.names=FALSE)
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。
共享克隆至少要由几个细胞支持?亲手改三档门槛
一个共享克隆在两种组织各出现一次,与两侧都有多颗细胞支持,采样证据不同。限定在同一位患者内,分别为血液与肿瘤的克隆计数,试试双侧都要求至少一、二或三个细胞会留下什么。
Rscript advanced.R example results 1,2,3
末尾参数是组织内支持同一配对克隆的最低细胞数,多档门槛用英文逗号分开。纳入的细胞必须通过主流程的单条有效 TRA 与单条有效 TRB 判定,用配对 CDR3 核苷酸定义克隆。
x <- read.delim("results/clone-size-sensitivity.tsv")
subset(x, donor == "P1",
c(min_cells, blood_kept, tumor_kept,
jointly_kept, jaccard))
在模拟患者 P1,门槛为 1 时血中有 3 个克隆,肿瘤中有 2 个,共享 1 个,Jaccard 为 1/4。门槛提高到 2 时两侧各保留 2 个,共享仍为 1 个,但并集缩为 3,于是指标升到 1/3。共享克隆的绝对个数并没有增加。
门槛提到 3 时,血中还有一个克隆,肿瘤中已无可评估克隆。脚本把该行共享数和 Jaccard 标为 NA,提醒读者当前门槛下组织覆盖不足。回到 coverage.tsv 查看配对恢复率,再与主流程的等深抽样一起解释。
写图注可以用两个平实的句子。第一句交代同一患者、两处组织、链定义和各自覆盖。第二句报告共享克隆在哪些状态被观察到,以及手头材料能追踪到什么程度。先把一位患者的表达表与受体表对齐,再批量复核其他患者。若后续按多种链定义重复归并、大队列反复抽样时本机难以跑完,可以带上患者数、合格链数和分析步骤咨询合适的计算资源。云生信科研服务器租赁
