单细胞分析

两个通路分数总是一起升高,真有两条独立的生物学线索吗?

作者:发布于 2026-11-17约 7 分钟阅读
两套教学签名各六个基因、共享三个,合并条码相关为 0.82,移出交集后约负 0.06

有两张通路打分图,哪块细胞变红,另一张也跟着变红。把两列分数拿去算相关,系数超过零点八。怎样判断这是否构成两条独立的生物学线索?先别急着给相关矩阵画星号,把两份基因清单放在旁边,圈出两个分数都使用了哪些表达值。如果共同成员恰好对处理最敏感,同一颗细胞中读到的同一个分子,会同时抬高两个分数。下面用真实的单核细胞计数和两份成分透明的教学签名,把这个现象拆给读者看。

两套教学签名各六个基因、共享三个,合并条码相关为 0.82,移出交集后约负 0.06

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)

从两份六基因名单开始

细胞来自八位供者的外周血离体干扰素刺激实验,固定为经典单核细胞这一大类,共五千六百九十七颗。清单甲有 ISG15、IFIT1、MX1,再加 CTSS、LST1、FCER1G;清单乙也有前三项,另外三项为 RPLP0、RPS18、RPL13A。甲乙是特意为说明重叠问题而构造的教学名单,没有把它们冒充成通路库里的两个正式条目。这样读者从一开始就能追问三个共享成员和六个独有成员分别提供多少信息,不需要先相信某个通路名字。Kang 等的原始数据研究

先计算三种最容易混淆的比例。共同基因是三个,在各自六项中都占一半。如果用并集作为分母,两份清单一共只有九个不同成员,交集除以并集就是三分之一。因此说“两个通路重叠三分之一”或“每条通路一半重复”都可能对应同一个事实,前提是写明分母。正式分析要先统一物种、基因标识和版本,去掉一个基因的多个同义名后再做交集。否则它可能看似两份名单完全不同,实际上改名的那个基因在两个分数里各用了一次。Merico 等关于利用基因集交叠解释富集结果的原始研究

python -m pip install -r requirements.txt
python run.py --input example --out results
def split_sets(sets):
    a,b=map(set,(sets["A"],sets["B"]));overlap=a&b
    if not a-b or not b-a:raise ValueError("No unique genes for at least one score.")
    return sorted(a),sorted(b),sorted(overlap),sorted(a-b),sorted(b-a)

四个分数都在同一颗细胞上计算

用每颗的原始全库分子数作分母,把各基因换算成每一万分子的相对表达,取一加自然对数,再在指定基因集内等权平均。每颗细胞有四个输出,分别为甲全名单、乙全名单、甲独有成员、乙独有成员。只改成员名单时,条码、人群、归一化方法都固定。若完整名单用一种打分法,独有成员改用另外一种秩评分法,得到的变化就混入了算法区别。正式项目可以沿用自己的评分方法,但要给四组输入相同的背景和参数。

这一设计还可以手算共同项的作用。把共享的三个基因均分记在左边,把甲独有三个基因的均分记在右边,因为两部分长度相同,甲完整分就是左右两数的平均。乙完整分也由同一个左边数字贡献一半。即便两个独有部分毫无共同变化,只要共享部分在不同细胞间有明显起伏,两个总分便可能出现正相关。等权平均的这个拆分在名单大小不等时要改用对应权重;若用排序、背景校正或加权签名,则要回到那个算法重新打分,不能从最终单个数字简单扣去三项。

先看全体,再只看一个人的同一种条件

所有细胞合在一起,两个完整分数的斯皮尔曼秩相关约为零点八二二。在未经分层的散点图上,这会是一条很醒目的趋势。不过此时连刺激和对照也混在一起,原本都响应干扰素的三项会使两组整体占据不同位置,足以让总体的点排列得更整齐。更接近“同一种环境下,两套程序是否在相同细胞内一起变化”的问题,是固定供者和处理条件,在同一类细胞内部重新相关。得到八个对照相关和八个刺激相关,再分别汇报这些独立供者的分布。

在完整名单下,对照八人的相关系数中位数约零点二九六,刺激八人约零点三三〇。第一位供者的对照是零点二三四,刺激是零点四〇七,其他供者并不与他完全相同。把总体零点八二二写成“每位患者体内两个程序都高度同步”就越过了数据允许的范围。这里的十六个相关是分层内细胞之间的描述,其供者中位数也不等价于一个统一校正了所有混杂的新相关系数。两种数值都可以保留,分别标上各自的计算层次。

比较范围 完整名单的相关 去掉三个共享成员后
所有 5,697 颗条码合并 0.822 −0.057
同人、对照条件,八个相关的中位数 0.296 0.003
同人、刺激条件,八个相关的中位数 0.330 −0.027

把共享成员从两边同时移走

现在只比较各自三个独有成员。合并条码时,相关变为约负零点〇五七;先在同一供者、同一条件内比较,对照和刺激的中位相关分别约零点〇〇三和负零点〇二七。可以具体表述为:在这两套教学签名及该公开队列中,移除共享干扰素基因后,独有成员之间强的正相关没有延续。这个结果没有说明真实干扰素通路缺少生物学作用,也没有证明甲乙的独有部分严格独立。被移走的基因可能正参与真实的共同响应,独有部分又只有三项,本来就容易受到稀疏检测和噪声影响。

def correlation(a,b):
    if min(len(set(a)),len(set(b)))<2:return None
    return float(spearmanr(a,b).statistic)

对自己的数据,先查看有多少细胞在独有部分至少检出一项。若一个样本里甲的三个独有基因全为零,该列在所有细胞中都是常数,秩相关没有定义。脚本对常数输入返回空值。读者应该在结果表保留有效细胞数、哪些供者受影响及可计算的样本数,不能将缺失相关一律填零后取总体平均。若两份真实的名单一份完全包含另一份,则被包含的那一边无独有成员,问题也要改写成“额外的那一组基因带来了什么信息”,而不能硬凑两个去重叠分数。

一个共同刺激能留下多少独立证据

若在更真实的项目里,拿掉交集以后多个供者仍保持相似相关方向,接下来可以画各自贡献最大的独有基因对,看看是一个高深度样本,还是几位患者的多个不同基因都给出支持。还可以用规模、检出率和表达水平接近的随机基因集作为参照,区分“名单本来就短所以不稳定”和“特定共享成员承担了大部分联系”。选哪些匹配变量和对照应在看过最终图前记录,避免不断尝试直到相关变为期望方向。若只有一种处理或一批病人有关系,陈述时应限定其适用范围。

更进一步的实验问题可以沿着独有成员设计。若要验证的是两条独立响应,挑选两边各自特异、且能用不同读出测量的下游指标,再明确在同一患者或刺激时间上同步是否仍存在。如果仅凭两套名单中共同的那一个基因做两次验证,依然无法区分是一个共享信号还是两条额外线索。结果页除了总分热图,最好还附一张基因成员交叉表、一张分层相关图和逐供者数值,让读者能从“两个名字都显著”退回到“哪些确实不同的分子一起变化”。

九个基因的教学表在本机就能复算。若整套数据库里有几百个彼此重叠的名单,可以把同一版基因映射、患者表和打分脚本带到云生信科研服务器租赁逐批处理,保存每一对集合真正共享的成员。

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 ↗