单细胞分析

单独取出 T 细胞后二次聚类,还能沿用全图的高变基因和邻居吗?

作者:发布于 2026-11-17约 10 分钟阅读
对同一批 T 细胞比较三条重分析路线和逐供者状态标记

把一张免疫图谱中的 T 细胞单独取出来,往往只需一行代码。但把可视范围缩小,和专门寻找 T 细胞内部差别,是两个不同的操作。若原来的主成分主要区分上皮、髓系和淋巴细胞,它们给几类 T 细胞安排的位置可能缺少内部结构。怎样判断是否值得重算?下面保留相同的九十六个 T 细胞条码,沿三条路线得到三套邻居和分群,再逐位供者看原始标记,查明第二次分析究竟增加了哪些信息。

对同一批 T 细胞比较三条重分析路线和逐供者状态标记

下载完整代码、示例数据与参考输出(ZIP) · 下载图文操作手册(PDF)

固定的是哪些细胞,改变的是哪一步

教学矩阵来自四位模拟供者,共三百三十六颗细胞,包括 T、B、髓系和基质四类。每位供者有二十四颗 T 细胞,其中一半设为初始样,一半设为细胞毒性样。状态参考字段只在计算完成后核对结果,特征排序、主成分分析、寻找近邻和 Leiden 聚类都不读取它。真实研究未必有这种独立标签,可以用额外测量的蛋白、分选结果或已有参考注释做旁证。若仅凭自己刚拿来命名细胞的三个基因再度评价分群,能够说明标记和分区一致,验证力度要如实描述。

把下载包解压,在脚本目录运行下面两行。示例保留整个图谱的原始计数,方便同时重做全局和局部分析。首先给每颗细胞做全转录组总量归一化并取对数,再在同一集合的细胞之间确定哪些基因相对更有变异。第一次使用全部三百三十六颗,第二次仅使用九十六颗 T 细胞。特征数都选二十五,主成分取七个,邻居数为八。保持这些数量一致能让比较容易读懂。换到自己的真实数据时,谱系大小、供者覆盖和测序深度变化可能要求修改它们,不必把教程里的数字当作项目默认值。

python -m pip install -r requirements.txt
python run.py --input example --out results

看懂继承原图、沿用坐标和局部重算的区别

第一条路线先在全体细胞上找邻居,然后把非 T 细胞和指向它们的边移除,只保留原图中连接两颗 T 细胞的边。一个原先有八个邻居的细胞,若其中三个为其他谱系,保留下来的度数便只有五。第二条路线继续用全局主成分模型,但只在当前的 T 细胞条码中重新挑选距离最近的八个,因此可以补上原来排在八名之后的 T 细胞。第三条路线则从 T 细胞内部重新挑特征、中心化、缩放、拟合主成分并重找邻居。它允许用哪些表达差异来衡量两个条码的亲近程度也随研究范围改变。

在这个特意构造的示例中,所有焦点 T 细胞原本的八个邻居也都是 T 细胞,所以前两条路线恰好完全一致。这是很好的核验机会。若你的数据恰好有这种性质,只在原主成分空间重找八个邻居不会自动揭示新状态。先打开 cell_audit.tsv 的 degree_induced 列,看看有没有低于八的细胞,再考虑两条全局路线不同的原因。若已有分析软件允许在命名图上细分一个簇,也要弄清它读取的是事先保存的图还是重新估计的特征与坐标,才能判断该结果相当于哪条路线。Bioconductor 的子聚类与分区比较

先查基因名单,再查换掉的邻居来自哪里

代码将基因按平均对数表达分成五个数目接近的区间,在每个区间内将基因方差与该区间方差的中位数和绝对偏差比较,再按所得分数排名。这是为了让读者能够看懂并改动的教学选择,不是对现成软件默认模型的复刻。在真实项目可改用同一套适合本数据层的成熟特征选择方法,分别在全样本与目标子集内拟合并保存排名。比较时记录输入是原始计数还是对数表达,特别注意不要把只由全局高变基因组成的矩阵拿来做局部选择,原来不在名单中的内部标记那时已经不可能再回来。Bioconductor 的高变特征与均值依赖

def variable_features(x, n, bins):
    means, variance = x.mean(axis=0), x.var(axis=0, ddof=1)
    observed = np.flatnonzero(variance > 1e-10)
    if len(observed) < n or not 1 <= bins <= len(observed)//2:
        raise ValueError("Not enough variable genes for requested feature count and bins.")
    scores = np.full(x.shape[1], -np.inf)
    by_mean = observed[np.argsort(means[observed],kind="stable")]
    for chunk in np.array_split(by_mean, bins):
        med = np.median(variance[chunk])
        spread = np.median(np.abs(variance[chunk]-med))
        scores[chunk] = (variance[chunk]-med)/max(spread,1e-8)
    return np.argsort(-scores,kind="stable")[:n], scores

打开 features.tsv,查看 CCR7、IL7R、TCF7 以及 NKG7、GZMB、PRF1。六个基因在全局前二十五位里均未入选,进入 T 细胞内部重新筛后却全部出现在名单中。这种变化不表示它们原来没有表达,它只说明在全体图谱里有其他更显著的谱系差异竞争靠前的位置。现在沿着 D1_T_01 看邻居。用全局坐标时,它的八个近邻只有三个与它属于同一参考状态;改用局部主成分后八个全部相同,两份名单实际只重合一颗。到 edges.tsv 按焦点条码和视图筛选,再连接状态字段,即可把三个和八个追成具体细胞。

使用同一批 T 细胞 邻居来自何处 本例同参考状态的边
从原全图直接留边 全部细胞的原相邻关系 376/768
在原坐标仅对 T 重找近邻 全局特征及主成分,局部候选条码 376/768
在 T 细胞内重选特征并重做 PCA 局部特征、主成分和邻居 765/768

实际运行二次聚类,检查每群的供者和标记

对每张图,把各条码发出的近邻边合并为无向图,同一算法和同一分辨率分别运行 Leiden。这个示例的建图约定是只要任一方向为近邻就保留无向连接,没有把欧氏距离额外传成聚类权重。这样可以清楚分开上一步“谁是邻居”与这一步“如何在给定图上划分社群”。clusters.tsv 将三套真正算出的标签与条码并排保存,每个数字只在对应列内解释。下面的函数给出了完整分区过程。

def cluster(neighbors, resolution, seed):
    pairs=sorted({tuple(sorted((i,int(j)))) for i,near in enumerate(neighbors) for j in near})
    graph=ig.Graph(n=len(neighbors),edges=pairs,directed=False)
    parts=la.find_partition(graph,la.RBConfigurationVertexPartition,
                            resolution_parameter=resolution,seed=seed,n_iterations=-1)
    labels=np.full(len(neighbors),-1,dtype=int)
    for label,members in enumerate(sorted(parts,key=min),1):
        labels[members]=label
    return labels

在全局坐标上重找邻居得到四个群,每个群都混有两种参考状态。局部图的分区得到两个各四十八颗的群,一个对应初始样,另一个对应细胞毒性样。看 cluster_composition.tsv,每位供者在两个状态中各有十二颗;再打开 raw_marker_check.tsv,核对每位供者的 CCR7 与细胞毒性基因均值、检出比例是否与状态方向一致。局部邻居中仍有三条边连向另一个参考状态。这与整个分区能按两类分开可以同时成立,图聚类没有要求社群之间的连接数严格为零。判断真实状态时,交界条码的标记和供者来源也值得保留。

还有一份值得保存的名单,是局部两群交界处连向另一参考状态的焦点条码。先给这些条码列出成套标记的表达,再查它们来自哪个供者、是否集中于单一文库。若局部边界只靠极少数捕获维持,可以将这些条码单独标注为待复核;若它们分布在多份样本并呈连续的表达过渡,更适合在结果中保留这种连续性。

什么时候保留全局表示,什么时候采用局部结果

若研究目的是给新样本沿用旧图谱的固定位置,应保留原来的主成分或映射空间,便于和其他谱系、其他项目比较。若研究目的专门是从 T 细胞内部发现状态,则可以保留全局谱系标签,在新建的清晰命名的结果中给出局部结构。局部图里的第一主成分与全图第一轴由不同的载荷定义,不宜直接比较横轴位置或箭头方向。两份结果可以通过条码联系,保留每个局部亚群原来在全局环境中的邻接情况,便于回头查异常细胞、混合谱系或原始注释边界。

把这套方法迁到项目里还有一个前提:你选进来的 T 细胞本身包含什么。若一开始用极严格的 CD3D 单基因阈值组成子集,低表达的真实 T 细胞可能已经被排除,局部重算再细也找不回它们。最好记录筛选前后的条码,按供者核查谱系标记、双细胞和边界候选,再用一个合理放宽的子集做敏感性检查。练习也可以改动局部特征数,观察哪些供者的局部边界最先变化,而不根据投影是否好看来决定参数。等候选亚群增多,需要对多个谱系分别保存矩阵、邻居与分区时,先量一次最大子集的运行资源,再评估云生信科研服务器租赁。

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 ↗