单细胞分析

同一器官的单细胞和单核数据可以合画,细胞比例也能直接合算吗?

作者:发布于 2026-11-17约 8 分钟阅读
同一组织块的整细胞与细胞核分别算回收比例,逐供者比较免疫与内皮类别

把同一块组织一分为二,一半解离出完整细胞,另一半提取细胞核。两份表达图上的上皮、内皮和免疫细胞都能对上,合并的堆叠图却让人犯难:完整细胞里免疫占二成多,细胞核里只有一成左右。两者该取平均吗?先拿出制备清单,找到成对的那几块组织。下面用一套能逐个条码复算的教学数据,追到一个更确切的问题:同一位供者、同一块组织经过两种制备后,进入分析的各类条码占比变化了多少?

同一组织块的整细胞与细胞核分别算回收比例,逐供者比较免疫与内皮类别

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)

从取材单找配对关系

给每个通过质控的条码准备两项信息,一项是全局唯一的条码编号,一项是文库编号。文库清单另列供者、组织块和制备方式。一位供者可以有多块组织,同一种悬液还可以分装成不同技术文库。把这些关系拆开记录,组织中心的整细胞才不会意外配到同一位患者组织边缘的核。取材位置、冻存情况、处理时长以及质控版本适合留在清单中,尤其是完整细胞全部新鲜处理、细胞核全部来自冻存组织的设计。这样的配对可以描述两套完整流程的回收差别,要归因到具体某道处理工序还需要能把工序拆开的数据。Denisenko 等对组织处理和回收组成的实验比较

这个示例有五位供者。前四位的同一组织块都做了两种制备,第五位只交来二十个完整细胞。保留这位供者可以说明实际纳入了哪些样本,也能检查他的完整细胞文库。到计算配对差值时,这一块会留下缺失标记。要是从细胞表倒推文库名单,整份制备没做、文库做了却没有条码过质控、某个已测文库恰好没有回收到免疫细胞,三种情况都可能只剩一个空格。打开包里的两张输入表,可以把每个空格放回对应的实验环节。

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

开始之前约定哪些条码进入分母。练习把通过质控的所有条码归入上皮、免疫、内皮或其他,最后一类也占分母。如果单核样本有一批难以注释的细胞,先保留“未确定”这一类,单列人数,再按同一个规则画两边的比例。若先从核制备删掉大量未定类条码,剩余免疫细胞即使一个没增加,报出的比例也可能上升。换成自己的数据时先确认每个文库四类之和等于纳入条码总数,再去解读百分比。

先看一个可以用笔算出来的零

第二位供者的完整细胞文库有三十颗,其中十八颗上皮、十二颗免疫、零颗内皮。来自同一组织块的核文库有四十颗,其中八颗内皮。用核制备的比例减去整细胞比例,得到八除以四十减去零除以三十,也就是正二十个百分点。第五位供者核这一边没有分母,写成零会凭空制造各类的“下降”。函数专门区分这两个值,表的分子列、分母列和差值列都保留,做图软件也能直接跳过缺少一端的配对。

def recovery(counts, cell_type):
    total=sum(counts.values())
    if total==0:return None
    return counts.get(cell_type,0)/total
def paired_change(first,second,cell_type):
    x,y=recovery(first,cell_type),recovery(second,cell_type)
    return None if x is None or y is None else y-x
追查的位置 完整细胞 细胞核 可以填入的比较
第一位供者的免疫细胞 10/40 5/50 25% 到 10%,差为负 15 个百分点
第二位供者的内皮细胞 0/30 8/40 两侧均有文库,差为正 20 个百分点
第五位供者的免疫细胞 5/20 缺少制备 能报告整细胞一侧,配对差留空

零除以三十是一次有限抽样的观测值。想判断处理前组织内到底有没有内皮,还要参考邻近组织切片、已知内皮标记以及计数误差。也可以先按四位供者逐张查文库质控,看看内皮条码有没有在解离后或过滤阶段集中流失。两边测序深度和转录本构成有差异时,某些标记在核里更难与背景区分,同一注释器也会给出不同的未确定率。在最难区分的类型上比较几个稳定谱系标记与互斥标记,通常比直接增加小数位更能帮助定位偏差。Ding 等对单细胞和单核测序方法的比较

合并百分比和逐人差值,分别算给实验同事看

把全部文库先合起来,完整细胞中免疫是四十九除以一百八十,约占百分之二十七点二二。细胞核中是十八除以一百七十,约占百分之十点五九。这个数字适合回答下游可用的免疫条码有多少,测得多的文库自然占更高权重。它还把只有整细胞的第五位纳入左侧。到了“对典型的同一组织块,换制备后变化多少”,该翻到逐组织块结果表,用同一块的两个比例作差,最后再跨供者汇总。

前四位供者的免疫差值依次为负十五、负三十、负十五和约负十点六七个百分点,中位数是负十五个百分点。内皮四位的差值均为正,中位数约为正十一点五八个百分点。上皮则两位升高、一位降低、一位持平。把免疫这一列直接移植到别的组织,声称单核一定漏掉固定比例的免疫细胞,就超出了示例。另一方面,只用两种制备平均后的全组织比例,也会让同事看不见根本无法配对的第五位和方向不同的上皮结果。报告时可以把这两个表并列,并在表头写明权重与分母。

下面这段代码可在解压目录运行。它直接读脚本的逐块结果,只打印免疫行。先在屏幕上认出第三位供者的分子和分母,再打开下载包里的折线图定位那条连线。遇到没有连线的样本,可从清单查到缺哪一种制备。如果某份文库登记了却零条码通过质控,分母同样为零,但清单里仍有文库记录,需要回查过滤前数据。写报告时把两种缺失原因分开记录。

import csv
from pathlib import Path

with Path("results/paired_specimen.tsv").open(encoding="utf8") as handle:
    for row in csv.DictReader(handle, delimiter="\t"):
        if row["cell_type"] == "immune":
            print(row["donor"], row["first_n_type"], row["first_total"],
                  row["second_n_type"], row["second_total"], row["second_minus_first"])

为什么同一块组织内的两条连线也不能独立解释

在一个文库里,所有类型的比例加起来是一。某类在裂解中更容易损失,即使内皮实际回收到的绝对细胞数稳定,它的相对份额也能被动升高。反过来,两种制备的上皮都占七成,也不等于每毫克组织获得了相同数目的上皮。若要谈绝对回收效率,实验记录里得有与两边对应的组织输入量、分装比例、计数方法和进入测序前的细胞或细胞核总数。若要谈原组织的空间丰度,可以选择相邻切片,用组织面积或已知视野作分母。明确希望得到哪一种数量,才知道下一次取材应多记哪一个数字。

遇到一位供者送来三块组织、另一位只送一块,脚本先在每个组织块里配对,对同一供者的完整配对差取平均,再跨独立供者求中位数。同一块的技术重复会先合并条码计数;若怀疑两管处理不同,可从逐文库表先比一遍,避免先合并就看不见异常。这个汇总给每位供者相同地位。真实项目若要估计疾病组与对照组的制备效应差,还得保证每组有足够的独立供者并明确组间抽样设计。把每一个细胞当作一次独立组织实验,会让误差远小于真实的供者间变动。

有一个很容易验证的练习。复制示例目录,只在副本清单和细胞表中移去第五位供者的文库,重新执行脚本。逐人免疫差值与四位供者的中位数应保持原值,合并后的整细胞免疫分母却会从一百八十变为一百六十。再把某一类完整并入“其他”,重复统计,观察其他类别的分母是否仍然相同。两次改动分别检查缺失配对和类别口径,足以发现很多看起来算对了、回答的问题却已经变过的比例图。

最终交付给实验同事的图可以有四列:组织块来源、两边各自的总条码数、目标类别配对连线、缺失的原因。小规模制表在本机就能完成;如果要对多份原始表达矩阵按统一口径重做质控和注释,再产出这张配对表,可以把相同脚本和样本清单放到云生信科研服务器租赁环境中批量复算。

把知识用于当前任务

把方法直接跑起来

使用单细胞在线分析入口,减少环境配置和重复操作。

打开单细胞工具仍有疑问,联系客服 ↗