云生信学生物信息学

Mixscape扰动分析:检查NT对照、重复分层与KO分类

作者:发布于 2026-11-20更新于 2026-11-15约 6 分钟阅读
Mixscape先核对NT与实验重复

Mixscape先核对NT与实验重复:核对guide和靶基因映射;按生物学重复检查NT数量;计算扰动签名并运行分类;逐guide结合独立证据验收
本文操作与检查路径示意。

Mixscape用于分析单细胞 pooled CRISPR 实验,估计哪些细胞出现可检测的转录扰动,并把未检测到明显响应的细胞标为NP。它不是DNA编辑检测;KO分类需要结合guide、对照和独立实验验证。正式运行前,先确认每个细胞的guide、靶基因、NT对照和生物学重复标注正确。

先核对Seurat对象与对照

对象应包含预处理好的RNA assay、用于邻居搜索的PCA,以及metadata中的靶基因类别和重复编号。非靶向对照统一标为NT;同一生物学重复里的NT细胞才是局部比较的参照。测序lane或建库批次不自动等于生物学重复。按guide统计细胞数,确认每个比较组有足够NT邻居;过少的组应先标记为不稳定,而不是强行合并。

字段/结果 运行前或运行后核对 问题提示
gene、guide guide到靶基因映射唯一且正确 缺失或重复映射会混淆类别
replicate 真实实验重复标签与设计一致 把技术批次当重复会改变邻居
NT对照 各重复均有可比的NT细胞 某组NT稀少时分类不稳
mixscape_class 逐guide查看NT、NP和KO比例 分类不等于编辑效率

计算扰动签名并分类

以下流程沿用Seurat官方Mixscape示例的RNA表达层、PCA及重复分层。num.neighbors官方示例建议在20到30附近选择,但应按每个重复可用NT数和数据结构检查;不要把示例数字视为所有数据的固定最佳值。

library(Seurat)
obj <- readRDS("mixscape-input.rds")
meta <- obj[[]]
stopifnot(all(c("gene", "replicate") %in% colnames(meta)))
stopifnot(identical(rownames(meta), colnames(obj)))
stopifnot(!anyNA(meta[, c("gene", "replicate")]))
stopifnot("RNA" %in% Assays(obj), "pca" %in% Reductions(obj))
stopifnot(any(meta$gene == "NT"), any(meta$gene != "NT"))

obj <- CalcPerturbSig(
  object = obj, assay = "RNA", slot = "data",
  gd.class = "gene", nt.cell.class = "NT",
  reduction = "pca", ndims = 30, num.neighbors = 20,
  split.by = "replicate", new.assay.name = "PRTB")
DefaultAssay(obj) <- "PRTB"
VariableFeatures(obj) <- VariableFeatures(obj[["RNA"]])
obj <- ScaleData(obj, do.scale = FALSE, do.center = TRUE)
obj <- RunMixscape(
  object = obj, assay = "PRTB", slot = "scale.data",
  labels = "gene", nt.class.name = "NT",
  min.de.genes = 5, iter.num = 10, de.assay = "RNA",
  verbose = FALSE, prtb.type = "KO")
saveRDS(obj, "mixscape-result.rds")

CalcPerturbSig用邻近NT细胞建立局部参照,replicate分层可避免跨重复寻找对照;若某重复中NT过少,算法就缺少可靠的局部基线。官方示例给出的邻居范围只是起点,应在不同合理设置下检查主要guide结论是否稳定。运行前用当前安装的Seurat帮助核对参数,并确认RNA的data层、PCA维度和metadata非空。若对象已运行过Mixscape,先决定是复用还是清理旧结果,避免旧PRTB assay或分类列被误当成新结果。

按guide和重复验收,而不是只看总图

检查 mixscape_class.global、guide/靶基因、replicate、KO后验概率和扰动分数。逐guide汇总NT、NP、KO数量,再按生物学重复比较;同时查看分数分布是否能把该guide与同重复NT区分开。出现整组只分到一种类别、少数guide分类异常或重复间方向相反时,回查guide捕获、标签映射、RNA质量和NT邻居数量。NP可能代表未产生可检测转录变化,也可能受细胞状态和测序覆盖影响,不能简单写成编辑失败。该分类依赖目标guide组与NT参照的分布假设。若靶向细胞和NT在细胞类型、处理条件或重复构成上差异很大,KO/NP拆分可能吸收这些混杂;先按重复和主要细胞类型分层查看,再讨论生物学解释。

分析结果应与独立证据相互印证,例如靶基因表达变化、通路响应、蛋白读数或编辑验证。报告注明Mixscape的KO/NP是模型分类,并记录guide级细胞数、重复、邻居参数、Seurat版本和预处理方式。若对象过大,先在单个重复试跑,分别测签名、分类和写盘阶段的峰值内存,再限制并发;不要为了省资源把不同重复混成一个NT邻居池。

下载练习材料

下载教程 PDF · 下载代码与示例数据 ZIP

先核对包内SHA256清单,再在独立目录复现。

需要额外算力时

适用前提:扰动和对照设计明确,必要对象及计算超出现有资源。如需额外资源,可评估大内存CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

参考与版本核对

按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗