在肿瘤样本里挑出一簇 NKG7 和 GNLY 都高的细胞,第一反应常是给它们贴上 NK 标签。可旁边也有一群杀伤活跃的 T 细胞,两个基因同样很亮。此时再追加几个杀伤分子,往往仍然只回答“这些细胞在做什么”。要判断细胞属于哪个谱系,可以沿同一颗细胞加看 T 受体复合物相关基因,再查它是否拥有与表达条码配套的受体序列。下面的教学数据特意放入三次独立捕获、一个未做受体建库的样本、几条不合格序列和几颗只有一条链的细胞,让每一种困难都能单独追查。

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)
保留杀伤程序,另外记录谱系证据
解压后先看表达表,不要打开最后的分类。三位模拟供者分别贡献二十四颗细胞。用一个简单且透明的规则筛查杀伤候选,即每颗细胞的 NKG7 和 GNLY 都至少有两个原始计数。七十二颗中共六十颗达到。这个数值是用来演练如何追查候选的固定门槛,不适合跨组织、平台和测序深度原样照搬。在真实样本可以同时查看 GZMB、PRF1 等程序,但即使杀伤分子证据再充足,也要另查 T 或 NK 的谱系线索。Seurat 的外周血细胞注释示例
对同一条码另设两组证据。T 相关一组用 CD3D、CD3E 和 TRAC,NK 相关一组用 KLRD1、FCER1G 和 TYROBP,分别记录是否至少检出两项。后一套中的髓系相关表达也可在其他谱系出现,因此只把它用于已限定的杀伤淋巴候选,并与 T 面板及受体状态同看。两组字段可同时为真,也可以全不满足。直接用两个模块分数相减再按正负命名,会丢掉“两组都强”与“两组都弱”这两个最值得回头查的情况。下载包保留每一项的原始计数,因此可以更换判断方式而不用接受本文标签。
python -m pip install -r requirements.txt
python run.py --input example --out results
把受体的条码连接回正确的表达文库
示例中三次捕获故意使用相同的条码字符串。同一个字符串在第一和第二份文库里代表两个不同的细胞。程序先用文库清单找到相应的受体导出,再以“文库编号和条码”这两个字段一起连接。若只按条码连接,第三位供者本来没有受体建库,也会凭空分到一大批来自其他人的受体。实际交付时不要单靠文件名猜哪个受体文库和哪个表达文库配套,拿样本清单核对同一细胞悬液和相应捕获。一个样本分两管分别建库,供者相同也不保证两边的条码属于同一颗细胞。
原始拼装结果通常是一条序列一行,同一细胞能占多行。脚本只用细胞条码、可信、全长、具有生产性、具有可读 CDR3 且属于目标链型的记录。教学文件的字段对应 Cell Ranger 的受体注释,实际测定与引物设计能覆盖哪些链型请核对具体实验。很多普通 αβ 受体方案不能用来全面识别 γδ 细胞。用于教学的两份配套表显式含这两类重排,所以单列 γδ;若真实设计只检测其中一类,其他链型没有结果应写作测量范围有限。Cell Ranger 的 contig 输出字段与过滤说明
def contig_state(has_assay, chains):
if not has_assay:return "assay_absent"
if {"TRA","TRB","TRG","TRD"}<=chains:return "two_paired_receptors_review"
if {"TRA","TRB"}<=chains:return "paired_alpha_beta"
if {"TRG","TRD"}<=chains:return "paired_gamma_delta"
return "single_or_partial" if chains else "no_qualifying_contig"
| 同一条码的线索 | 下载包怎么记录 | 可以继续追哪一步 |
|---|---|---|
| 合格 TRA 和 TRB 同在 | αβ 成对 | 核对 T 面板,另行判断 CD4、CD8 与状态 |
| 有 TRB,缺合格 TRA | 单链或不完整 | 查看测序深度、原 contig 和谱系标记 |
| 做过受体建库,无合格链 | 已测,没拿到合格受体 | 可有未捕获的 T,继续查 RNA 或蛋白 |
| 没有配套受体文库 | 未测 | 保留 RNA 描述,不将未测作为反证 |
在六十个杀伤候选里查出判为 NK 会误收哪些条码
两种杀伤基因均达到门槛的六十颗中,十四颗具有合格的成对 αβ 受体,另有九颗在本例规则下主要由 T 相关转录本支持。四颗检出配对 γδ,单列供复核。二十一颗表现为 NK 样表达,三颗只有不完整的受体支持且 T 程序也不足,其他九颗保留未确定。这张表不用受体序列推断靶抗原,也不会因为拿到 αβ 配对就立刻给细胞贴 CD8 标签。读者可以先尝试把六十颗全部叫成 NK,再回到受体表查至少有哪些条码与此命名相冲突。
def interpretation(killing,t_lineage,nk_program,vdj):
if not killing:return "outside_cytotoxic_screen"
if vdj=="two_paired_receptors_review":return "conflicting_pairs_review"
if vdj=="paired_gamma_delta":return "gamma_delta_review"
if vdj=="paired_alpha_beta":return "T_supported_by_pair"
if t_lineage:return "T_supported_by_RNA"
if vdj=="single_or_partial":return "partial_TCR_review"
if nk_program:return "NK_like_RNA"
return "unresolved"
可以跟踪一个有意保留在教学数据里的边界案例。到逐条码输出里搜 BC008-1,可找到三行。第一份文库只有单条合格受体且 T 面板不足,第二份文库同样只有部分受体,却有额外的 T 表达证据,第三份未做受体且没有足够的谱系线索。三行的综合判读分别为单链待查、RNA 支持 T 和未确定。对同一字符串,三种结论都可沿样本身份和原始数据重算。把其中一条直接当作另一位患者的佐证,会制造比没有受体更难发现的错误。
import csv
from pathlib import Path
with Path("results/barcode_evidence.tsv").open(encoding="utf8") as handle:
for row in csv.DictReader(handle, delimiter="\t"):
if row["barcode"] == "BC008-1":
print(row["library"], row["T_panel"], row["receptor_evidence"], row["assessment"])
观察分母,避免把链的缺失写成细胞的身份
第一与第二份文库加起来有四十八颗,所有七十二颗里有二十六颗是做了受体文库却没有合格链,另有二十四颗是所在文库从未做受体测定。若把两者统一填成阴性,第三位供者会显得 NK 特别多。汇总时先给各文库报表达通过质控多少、受体可测多少、至少单链多少、成对多少,再在可信的同类细胞内比较覆盖。这也有助于追踪一次建库质量较差、受体库测序偏浅、组织中某类细胞受损等可能让配对率下降的原因。对证据不足者仍可报告有杀伤程序,科学信息并没有因为暂缓谱系命名而浪费。
另有两颗细胞记录了同一链型的多个合格 contig。脚本将它们单独标出,同时保留原序列编号;出现双 α 可能由真实的链表达或技术原因产生,单靠数量无法断言都是双细胞。可继续看两条序列的丰度、不同谱系的程序是否冲突、总 RNA 是否异常、样本中预估的双细胞情况。若在真实数据里同时有合格的两种受体配对,或者存在与数据生产流程不一致的链型,应该单列并查原始构建,不能让一个优先级遮住冲突。将这类问题留给条码层面的复核,能保住其他典型细胞的注释结果。
做一个只需几分钟的敏感性检查。复制示例,先将第二份文库的受体文件入口清空,保留那批细胞的 RNA 计数,另存一次结果。第二位供者的成对证据应消失,其杀伤候选条码总数却应不变。再在原版筛选表找被排除的低可信和无生产性序列,查看它们若被误纳入,原本只靠表达支持的边缘条码会不会多出一条似是而非的受体线索。真实项目中是否使用更宽的标准取决于技术目标,应将两套结果分别留档,特别是据此挑选少量细胞开展验证时。
若要把这些细胞带入后续克隆扩增比较,还要回到供者而不是直接数拼在一起的受体条数。同一颗细胞的两条链在拼装表中占两行,扩增克隆可能又由许多条码共享。可以分别输出每个供者有多少颗证据充分的细胞、其中多少有可用成对链、每个克隆由多少不同细胞条码支持。不同供者碰巧出现相同序列,也应按原供者保存。这样“几颗细胞具有 T 谱系证据”和“这些细胞里有几个克隆扩增”就能从同一张证据表延伸出来,各自保有清楚的分母。
给实验同事的表可以分列“杀伤状态、谱系假设、受体证据、缺失原因、来源文库”,每一列都能追溯到输入。等到要对多个患者的大批 V(D)J 文件与表达矩阵反复核对时,可以把文库清单、脚本及参数放进云生信科研服务器租赁环境,让不同分析者沿同一条码复算。
