在髓系细胞里画两张基因图,FCER1A 和 CD1C 指向一个小簇,CD14 和 S100A8 又在附近亮起来。这究竟是一群常规树突状细胞,还是混进了单核细胞?只看两张上色的降维图,连“是否亮在同一颗细胞上”都回答不了。下面把表达、供者、总计数和双细胞评分连到同一行。用四位模拟供者的一百三十一颗髓系细胞,读者能逐条码区分三种值得不同处理的情形:彼此相邻但来自不同细胞,两组标记在同一条码上同时出现,或混合信号恰好伴随技术异常。

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)
从髓系背景里挑两套能互相追问的标记
先确认上一步注释保留了大多数可信的髓系候选,并记录从原图提取的条码。这里选 FCER1A、CD1C 和 CLEC10A 作为常规树突状细胞第二型相关面板,选 CD14、FCN1 和 S100A8 作为单核相关面板。另保留 HLA-DRA 和 LYZ 供人工查背景,后两者会在多类髓系细胞中表达;把它们同时算作区分两种类型的专属证据,很容易让两边的评分都变高。人血原始单细胞图谱显示,CD1C 阳性群体内部也有异质性。特定疾病和组织的边界需要在本研究的实验背景中复核。Villani 等的人血髓系原始研究 · 作者提供的图谱和标记组合
示例从两张输入表开始,表达表有条码、供者、原始全库总量以及八个基因的计数,质控表另存同一条码的教学双细胞评分。两张表特意使用不同的行顺序。脚本会核对条码的唯一性、两边的集合以及全库总量的有效性,再按条码取值。若某一次捕获用回了相同的仪器条码,应该先加文库前缀,避免把一位供者的分数配到另一位的细胞上。配错时散点外观可能仍很正常,但原本应当优先检查的混合点已经换了人。
python -m pip install -r requirements.txt
python run.py --input example --out results
横轴和纵轴必须来自同一条码
对每颗细胞分别数两套面板里有几个基因达到最低原计数,示例规定每个基因至少一次,三项中至少两项便记作该面板支持。同时,用每万全库分子的归一化计数取一加自然对数,再在各自面板内求平均,作为横纵坐标。散点的连续位置有助于寻找边界和看离群点,最终审阅表却把三项里中了几项明示出来。某一个高表达基因把平均分推高时,不会被悄悄当作三个基因都获得了支持。在自己的数据里,这两个连续分数还可分别按文库总深度作图,查看它们是否主要由捕获深度驱动。
def panel_value(cell,genes,min_counts):
qualified=sum(int(cell[g])>=min_counts for g in genes)
score=np.mean([np.log1p(10000*int(cell[g])/int(cell["total_umi"])) for g in genes])
return qualified,float(score)
同一个簇里把两边的平均表达分别算得很高,有可能只是前半数为树突状样、后半数为单核样,任何一颗都没有共表达。用分面散点可以看出点集中在两条轴上,还是有一批点的横纵值同时升高。代码另导出所有达到双面板的条码,方便抄一个编号到原矩阵查六个计数。若两组基因来自两颗不同细胞,下一步可检查原聚类分辨率及二次聚类;若确实在同一条码里出现,再去讨论混合表型、双细胞与环境信号。先把分析单位找对,可以少做好几轮无助于厘清问题的参数调整。
给双面板条码排复核顺序
单核细胞与树突状样细胞若恰好落入同一液滴,也可能同时贡献两套信号。示例用已提供的双细胞分数和原库深度做两个互相独立记录的技术标志。评分达到零点七五记一个标志,同一供者中库深度达到百分之九十分位再记一个;这里只在双面板均成立时,把兼有两个标志者放进优先技术核对队列。这里的分数是教学输入,无需安装双细胞检测软件。换成真实项目时应替换为按相应捕获计算过的结果,并记录算法、参数和文库归属;如果同一供者有多个质量差异很大的文库,还应在捕获文库内部核查深度。
def review_label(dc_n,mono_n,high_doublet,high_depth):
if dc_n>=2 and mono_n>=2:
if high_doublet and high_depth:return "mixed_doublet_priority"
return "mixed_phenotype"
if dc_n>=2:return "DC_like"
if mono_n>=2:return "monocyte_like"
return "insufficient"
| 一百三十一颗中的审阅类别 | 数量 | 打开条码表后接着查什么 |
|---|---|---|
| 仅 DC 面板或仅单核面板支持 | 40 颗、52 颗 | 查看同类供者覆盖与排他性不足的标记 |
| 双面板,兼有两种技术标志 | 10 颗 | 优先回查捕获、两套原计数及双细胞诊断 |
| 双面板,未同时满足两项技术条件 | 17 颗 | 保留混合表型,再看邻近群与正交证据 |
| 两组面板均未达到 | 12 颗 | 检查深度、掉零、其他髓系类型或面板缺项 |
四位供者里,前三位各有六个双面板候选,分别有两个同时命中技术标志,余下四个保留混合表型。第四位有九个,其中四个优先做技术核对,另外五个继续表型复查。这类逐供者的数字比“有一个混合小群”更准确,因为它说明观察是否完全由一个人贡献。与此同时,四位均有候选也不足以证明存在一个独立新亚群。同一个解离流程、相同环境 RNA 或一致的双细胞错误都可能在不同供者里重复,因此重复性和身份确认仍需要不同证据。
找一颗双细胞分数高却没有被放进优先队列的条码
打开逐条码表,用下面几行提取一个看起来反直觉的记录。第四位供者深度整体分布与其他三位不同,某颗样本即使有较高双细胞分数,深度没有达到本供者的门槛时,仍被留在混合表型队列。这个例子说明“待核对”的层级取决于预先写清的规则。它并不为边缘细胞发放真实单细胞证明。把输出的条码粘回表达表,可以自己判断两组原计数是否都足够强、是否恰好由少数高表达转录本主导。
import csv
from pathlib import Path
with Path("results/cells_review.tsv").open(encoding="utf8") as handle:
case = next(r for r in csv.DictReader(handle, delimiter="\t")
if r["high_doublet"] == "1" and r["high_depth"] == "0"
and r["review"] == "mixed_phenotype")
print(case["barcode"], case["total_umi"], case["doublet_score"])
假设调高最低原计数,观察到混合候选明显减少,先找减少的是哪几种基因的微弱信号。若主要是某个在全部高丰度单核细胞里很高、却只在少量 DC 样条码里出现一次的基因,环境 RNA 是值得追的解释。可以在同一文库的空液滴和高可信背景群中查看它的分布。若多个相关基因仍在同一条码中稳定出现,且分布于不同供者,接下来可以考虑按已知组织背景寻找其他标记、查看表面蛋白或回到独立的组织染色。基因的共表达给出了实验线索,但不能凭一组连续散点推断从单核到树突状细胞的分化方向。
真实髓系材料还有另一个常见变数。同样是抗原呈递相关的表达升高,可能来自激活、干扰素响应或组织迁移。保持粗谱系判断的同时,将这些状态程序另加一列,在同一谱系和同一供者内比较。若初始子集排除了很多低质量细胞,也应按文库列出过滤前后人数,因为边界群可能刚好富集于被剔除的一侧。记录这些信息,之后哪怕拿到更合适的树突状参考,也能在原条码上更新标签,而无须推翻整批细胞的统计分母。
做下一轮验证前可以先给五类记录各挑两颗典型代表,再各挑一颗靠近门槛的条码。典型代表用于检查样本来源、面板和图例是否清楚,边界代表用来观察调整深度阈值后会不会改变判断。优先队列只是安排查看顺序,保留所有候选便于从新的独立证据重新决定哪些纳入细胞数和后续差异比较。
最后给实验同事交出三份内容:按供者分面的坐标图、全部混合候选的条码和技术证据、保留但未命名的病例说明。若后续需要对多个髓系子集同时重做双细胞检测和表达复核,可以把原始计数、捕获清单与这份脚本一起放入云生信科研服务器租赁环境,沿同一组条码追查。
