单细胞分析

给成纤维细胞列出了十几个候选配体,哪些值得优先验证?

作者:发布于 2026-11-17约 9 分钟阅读
十个肿瘤、四百零四个成纤维细胞与一千三百八十八个恶性细胞,十二种可评估配体的优先级

实验组只能先验证两三个配体,你手上却有一长串在成纤维细胞中表达的候选。简单按表达量排序,排在前面的可能只是分泌细胞里常见的分子;单看接收细胞受体,也说不清哪种信号更符合下游的变化。这里换一个带有明确终点的问题:在头颈鳞癌的恶性细胞中,哪些来自癌相关成纤维细胞的配体,其已知调控网络更能解释部分上皮间质转化的表达程序?下面从公开数据实际筛选十二个候选,再选排行靠前的一个,把证据追到同一肿瘤中的细胞和可测的靶点。

十个肿瘤、四百零四个成纤维细胞与一千三百八十八个恶性细胞,十二种可评估配体的优先级

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)

列候选之前,先决定要解释什么

我们沿用 Puram 等公开的头颈癌表达数据,以及作者发布的部分上皮间质转化签名,简称 p-EMT。这个词指的是表达程序,不能仅凭签名升高就判定一个细胞已经迁移、侵袭或发生了完整的形态转换。练习使用原发肿瘤,按公开教程排除指定样本和淋巴结来源,用原注释识别癌相关成纤维细胞及恶性细胞。最后有四百零四个发送细胞和一千三百八十八个接收细胞,来自十个肿瘤。取材部位、接收细胞身份和响应签名一起决定了排序究竟在回答哪一个问题。原始头颈癌研究

练习事先列出二十四个有兴趣的候选配体,涉及生长因子、细胞因子、趋化因子和细胞外基质相关信号。对于每个候选,先检查它在发送细胞的表达,再看已整理的配体受体网络里,是否至少有一个相应受体在恶性细胞中达到表达标准,还要能在先验权重矩阵里找到这个配体。最终留下十二个。下载包中的面板保留二十四行,即使筛选失败也能查到原因。这个范围受制于预设面板和符号精确匹配,排名不能和作者对所有可用配体的完整筛选混作同一张榜单。NicheNet 作者的头颈癌案例

背景基因为什么由接收细胞决定

想判断某个配体的已知靶基因是否尤其靠近响应签名,需要先规定哪些基因原本有机会被观察到。这里先还原公开表达量的刻度,再对每个基因计算聚合表达。该对象的值来自按特定方式处理过的转录本丰度,因此要用对应换算,不能把本例公式套到常见的液滴法 UMI 矩阵的对数值上。接收细胞聚合表达达到规定门槛,并且存在于人类配体到靶基因先验中的,共五千八百九十一个基因。已发表的响应成员与这个背景相交,留下九十六个阳性。没有进入检验背景的签名成员,应当随筛选记录保留,不能默默算作阴性。

aggregate_expression <- function(expr){
  # Puram's reported value is log2(TPM/10 + 1). Work one gene at a time.
  apply(expr,2,function(v) log2(mean(10*(2^v-1))+1))
}
sender <- aggregate_expression(x[caf,,drop=FALSE])
receiver <- aggregate_expression(x[mal,,drop=FALSE])
background <- sort(intersect(names(receiver)[receiver>=4],rownames(weights)))
response <- intersect(signature,background)
expressed <- subset(lr, from %in% panel & from %in% names(sender)[sender>=4] &
                          to %in% names(receiver)[receiver>=4] & from %in% colnames(weights))
candidates <- sort(unique(expressed$from))

为何背景会改变答案?假如把大量在这批恶性细胞里几乎不可能测到的基因也放入阴性,模型可能更容易把少数实际表达的响应成员抬到前面。相反,只保留原本属于签名的基因就失去了可比较的阴性。这里的阳性基准约为九十六除以五千八百九十一,即约百分之一点六三。改变背景后,这项基准本身也会变化,所以换了门槛要从配体筛选、背景交集和评分一起重跑,不能只在最后的图上换一个坐标标题。

怎样决定先看哪两个配体

在每个候选配体的先验权重列中,给背景基因从高到低排序,考察已知响应成员能否集中排在前面。NicheNet 的单配体活动函数给出多种指标,本文用精确率与召回率曲线下面积减去随机基准作为主要排序量。读者下载脚本会按权重并列分组,用同一积分定义独立重算,再和作者函数产出的数值逐项对照。这个指标有助于处理本例中阳性较少的情况。另列受试者工作特征曲线面积和相关系数,看看换评价方式后候选次序是否变化。NicheNet 方法与先验

scores <- predict_ligand_activities(geneset=tab$gene[tab$in_response],
                                    background_expressed_genes=rownames(mat),
                                    ligand_target_matrix=mat,
                                    potential_ligands=colnames(mat))
scores <- scores[order(-scores$aupr_corrected,scores$test_ligand),]
固定面板中的候选 校正后的精确率召回面积 可以据此做什么
TGFB2 0.1072 先查同一肿瘤里的发送来源、受体和靠前靶基因
CXCL12 0.0721 保留为另一个可比较的信号通路
INHBA 0.0703 与第二名很接近,结合实验可测性再决定

首位 TGFB2 的原始精确率召回面积约零点一二三五,扣掉随机基准得到约零点一零七二。不要把这个数读成百分之十的细胞受到了它的刺激,也别把第二和第三之间的小差距解读为显著差异。比如 INHBA 的受试者工作特征曲线面积约零点七七三,比 TGFB2 的约零点七六八略高。两个指标从不同角度衡量同一套排序,次序略变是可追溯的事实。若实验只能验证两种,在有先验加持的候选与一条生物学机制不同、且有清晰检测试剂的候选之间搭配,比照抄榜单头两行更有解释价值。

回到同一块肿瘤:排名靠前的信号来自哪里

这一步最容易被省略。十个肿瘤贡献的成纤维细胞数量不同,其中 HN20 只有三颗,HN28 却有一百一十颗。合并表达够高,并不能说明前者也有充分来源证据。用随包表达表逐肿瘤导出配体总细胞数、非零细胞数和可解释的聚合表达,再在同一肿瘤的恶性细胞中查接收受体。TGFB2 在本例筛选后的受体边表里留下 TGFBR1,这只是该表中一条表达通过筛选的候选联系。要研究经典转化生长因子信号,还需检查完整受体组成、其他相关受体或辅助分子、配体是否获得活化,以及有没有合适的下游反应。

举两个可以复查的分母。在 HN20 的三颗成纤维细胞中有两颗读到 TGFB2,而 HN28 的一百一十颗中有十八颗读到。对应恶性细胞中,前者有一百三十五颗读到 TGFBR1,分母三百二十一;后者有二十四颗读到,分母四十一。虽然两例的配体和受体都有表达记录,拿三颗细胞估计发送来源的不确定性显然更大。

接着从九十六个响应基因中找与 TGFB2 先验权重较大的成员。第一批可以看到 SERPINE1、COL1A1 和 IGFBP3。把名字接回恶性细胞表达,才方便判断某个靶点是否能在足够多样本中测到。特别是细胞外基质相关基因,在成纤维细胞也可能很丰富,解离混入或误注释会影响“恶性细胞自身响应”的解释。可以先要求接收细胞有上皮身份或其他独立恶性证据,结合空间检测定位。权重表示先验网络联系的强弱,没有给出在本组织内变化的实测效应量,更没有直接记录某个配体结合受体的事件。

python -m pip install -r requirements.txt
python run.py --input example --out results
python run.py --input example --out check_inhba --ligand INHBA
Rscript fit_nichenet.R example new-fit

把排序转换成能失败的实验

挑选能同时找到发送端、接收细胞和可测下游基因的样本,留一份配体表达较低的材料作为比较。先测基线,再以有对照的方式改变配体刺激或阻断受体,观察预先固定的下游读出及细胞活性。若要区分两个靠前配体的作用,尽量选择只被其中一个强烈支持的读出,另配共享靶点作对照;也可以加入处理时间梯度,区别早期信号与后续组成变化。某个候选在计算中胜出,后来却不能在足够样本复现,是对研究方向有价值的信息,应保留它的筛选过程和未通过的证据。

随包给出轻量先验切片和完整逐肿瘤证据,换一个配体名就能用同一套表重新判断。等要扩大到每位患者、多类发送细胞和全量候选时,可以将固定的响应名单、先验版本和各次筛选结果存到云生信科研服务器租赁,保留每个候选当时为何进入验证清单的记录。

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 ↗