单细胞分析

Slingshot 把两群细胞连成分支,怎样判断这个分叉值不值得解释?

作者:发布于 2026-11-17约 8 分钟阅读
粗细两套标签都保留甲乙两端,但细拟合中甲端最后十分之一有 25 颗、乙端仅 3 颗

同一张单细胞轨迹图上分出两条支路,箭头画得很漂亮。可如果第二条支路的终点只靠三颗细胞支撑,能把它与第一条同样确定地写进结论吗?这个问题不能只靠再看一遍曲线解决。下面在固定的条码和嵌入坐标上,用粗、细两种聚类输入真正运行 Slingshot,逐条核对它们是否都到达同样的末端。然后把每支曲线切成十段,打开每段的原始患者数和标记表达,看哪种解释目前有数据,哪一段还缺证据。

粗细两套标签都保留甲乙两端,但细拟合中甲端最后十分之一有 25 颗、乙端仅 3 颗

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)

两个末端相同,分叉位置也可能讲不清

随文模拟四位供者共四百四十二颗细胞,有一段共用的前体样状态,以及标为甲和乙的两个末端。给每颗保留固定的二维嵌入、粗细两套聚类标签和五十六个基因的原始计数。使用生成的二维坐标是为了单独研究“改变聚类标签会发生什么”,相当于真实工作中把降维结果冻结下来。模型读取嵌入和聚类,不读取生成它时的真实位置。数据还刻意让乙支最后一段细胞稀少,可用来检验“肉眼能看出一条完整曲线”与“每一段都有足够样本”之间的距离。

Slingshot 先根据簇在低维空间的关系构建谱系连接,再用同时拟合的主曲线对细胞排序。起始簇由先验指定,末端在这里由实际拟合路径与可识别的状态名称对齐。文章比较的不是两次随机作图,而是同一表达嵌入上两套合理聚类粒度。若同时重选高变基因、重跑批次整合又改变起点,即使分支变化,也很难知道首先是哪一步产生的。真实项目可以分轮做敏感性分析,每轮声明固定了什么、改变了什么。Slingshot 原始论文

python -m pip install -r requirements.txt
python run.py --input example --out results
Rscript fit_slingshot.R example example/fit

先读实际经过的簇,再读画平滑后的曲线

粗分辨率的甲端路径从前体簇出发,依次经过名为乙中段、甲中段的标签,之后才到甲末端;乙端路径从同一前体簇经乙中段到乙末端。细分辨率依然有甲乙两端,甲端路径在它进入甲近段前,经过名为乙近段的簇。为什么值得把这些听上去不顺的中间名称完整保留?因为那是分叉附近簇中心及其最小连接的真实输出。如果只写“两种粒度都验证分叉”,就遗漏了它们在准确的分叉位置上受到聚类边界影响这个事实。

run_lineage<-function(labels,start) {
  slingshot(xy,clusterLabels=factor(labels),start.clus=start,stretch=0,
            shrink=TRUE,reweight=TRUE,reassign=TRUE)
}
coarse<-run_lineage(tab$coarse,"stem")
fine<-run_lineage(tab$fine,"stem_start")

在自己的组织里,起点和终点名称可能只是初步注释。应该把两次拟合中的路径按照终末标记、真实采样信息和共同条码对应起来,不能直接用“第一条线”和“第二条线”的序号作配对。一次拟合里的甲端可能在下次排序成第二支。靠近分叉的细胞还可能同时参与两条曲线,程序给每颗、每条曲线一个拟合权重。这里把至少零点五作为描述某支成员的门槛,同时保留原始连续权重供读者修改。权重能在共用早段同时较大,不能把两支成员数加总后当作独立细胞数。

把两份名单按条码交叉,再比较顺序

甲支在粗、细两种设置下分别有三百一十一颗达到描述门槛,交集三百一十一;乙支两侧各二百六十六,交集二百六十六。只在各支共同成员中查看拟时序的秩相关,两支都约为一。它表示在这个几何形状十分清楚的教学例子中,所选两档标签对终末成员和内部排序影响很小。结果不能推广成“一切分辨率都一样”,也没有给分叉位置一个统计学置信区间。读者可以将权重门槛改为更高数值重算,再检查变化最大的是否集中在早期共享区域。

def common_support(coarse,fine,branch):
    a={b for b,v in coarse.items() if float(v["w_"+branch])>=.5}
    z={b for b,v in fine.items() if float(v["w_"+branch])>=.5}
    both=sorted(a&z);rho=spearmanr([float(coarse[b]["pt_"+branch]) for b in both],[float(fine[b]["pt_"+branch]) for b in both]).statistic
    return a,z,both,float(rho)

如果换成真实项目,应该把“没有对应支路”视为一个结果保留下来。比如粗粒度时只有一支,细分后多出一条,强行把粗结果的一个端点拆成两份来计算高相关,就会掩盖拓扑并不稳定。先报告哪几支能够对应,未对应部分有多少细胞、来自哪些供者、有无独立标记。若只是靠一名供者的少量深测细胞驱动,至少在去掉该供者时再检查一次。重采样时保留真实的生物学单位,随机删除一些条码不能替代删除一位独立患者。

用等宽区段看哪里真正有细胞

对于每一支,把所选粒度下有足够权重的条码按拟时序最小值和最大值缩放到零到一,再沿这段数值范围切成十个等宽区间。注意等宽与等数的区别。如果把细胞均分成十份,每一份按定义都近似有同样多的细胞,恰恰看不出末端有没有一段只有三颗的空旷区域。本例保留等宽,是为了问曲线的哪一段证据稀疏。各支单独缩放便于查看自身覆盖,但横轴零点九不代表两类细胞在同一个真实发育日,不能用两条线的标准化数轴直接比较生长速度。

细拟合最后一个等宽区段 条码数 有贡献的供者 各人贡献
甲端 25 4 6、6、6、7
乙端 3 3 1、1、1、0

甲端的最后十分之一有二十五颗,四位供者都贡献多颗;乙端只有三颗,来自前三位供者各一颗。三个独立供者让“完全由一个人造成”这种解释不那么符合观察,但每人只有一颗,仍不足以精确刻画末端连续变化。逐段表给出了末端相关基因的平均归一化数值,乙端最后三颗也可以给出一个很高的均值。在只有三个数的情况下,任何一个异常都能大幅改变平均,不宜把该处曲线写成一个精确的表达峰。把原始计数点与供者颜色一起画出,通常比进一步平滑更能说明问题。

挑哪一段去做后续实验

理想的候选分叉应在多种合理输入下仍通向相似终点,而且两侧有互补谱系标记、足够多患者及中间状态支持。若看见早段细胞在两条曲线上权重都高,可以报告“模型把这里当作共享区域”,暂时不将其硬判为某一支。想验证真实分化方向,应寻找时间序列、遗传示踪、克隆信息或独立组织证据。某条分支在一次采样中变粗,还可能与捕获效率、细胞存活以及供者组成有关,不等于已测得流向这一命运的概率。Slingshot 官方示例

准备给实验同事的图,可以在主图上圈出两个值得区分的区域:一处是标记清楚、每位供者都覆盖的末端,可优先为它寻找独立验证指标;另一处是曲线伸得很远、实际却只有三颗的末端,适合作为补充取样的目标。再附一张具体条码与供者清单,说明现有证据支持“在两个粒度都看见一个候选分支”,尚不能精准定位乙端的转折时刻。这样的描述可以帮助下一批取样补到真正缺的那个位置。

这套粗细拟合的小例子可在本机复查。若需要对完整图谱遍历多档粒度、逐供者留出并保存两套曲线成员,可以把同一套输入与脚本放到云生信科研服务器租赁集中运行,留下每一段具体有多少人、多少颗细胞的底表。

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 ↗