单细胞分析

肿瘤与血液的 TCR 要算作同一克隆,需要哪些序列信息一致?

作者:发布于 2026-11-17约 9 分钟阅读
四位患者血液与肿瘤配对,改变两条链核苷酸、氨基酸及单链规则,共享定义从十个到十八个

肿瘤样本和同一个人的血液里都找到了这段 TCR β 链:CASSEYWAKTQYF。血中一颗细胞、肿瘤里两颗,氨基酸逐个字母一致。可以把它们画成一个共享克隆吗?如果你的问题是“同一条 β 链有没有在两个部位出现”,答案就在表里。如果研究对象是完整配对的 αβ 受体,血里的 α 链和两颗肿瘤细胞的 α 链却不同。下面从真实序列表出发,一次只改一道条件,演示共享克隆数为什么会从十个变成十八个,以及新增的八个究竟从哪里来。

四位患者血液与肿瘤配对,改变两条链核苷酸、氨基酸及单链规则,共享定义从十个到十八个

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)

从配对患者出发,先数哪些人有两种组织

数据来自 Wu 等的多癌种研究,使用 Scirpy 公开的三千个含免疫受体条码的教学子集。元数据中分别有血液、肿瘤和癌旁组织。我们先按患者交叉统计,只比较在同一位患者里既取到血液又取到肿瘤的情况。最终四位满足条件,其他患者仍保留在下载的元数据中。一个患者的外周血可与同一患者相应肿瘤比较,不能拿另一人的相同序列自动补成一次共享。邻近正常组织也有独立含义,不能因缺少血液就随手把它并入血液侧。Wu 等原始研究

这份教学对象已经选择含免疫受体信息的细胞,原始队列的 T 细胞远多于此。教学子集里某位患者没有观察到一条共享链,不能用来推断完整组织之间没有共享。深度、两种组织的细胞回收数和链测序成功率都会影响可观察的克隆。原始解离和建库还决定了哪些状态本来更容易被保留。把这一层前提放在共享图的图注上,读者就能知道这次计算的分母到哪里为止,而不会把抽样结果读成对整个患者的普查。Scirpy 公开 TCR 教程

链表中哪一列才能拿来逐字符比较

一个条码可以对应多条 contig,其中可能包含非生产性重排、无法确定链型的记录或两条有效的同类链。下载的链表保留所有原始注释,一共七千五百四十四行。分析时先只保留生产性的 TRA 和 TRB,并要求连接区的核苷酸、氨基酸、V 基因和 J 基因均可用。对于同一条码同一种链,完全相同的序列与基因调用折叠;仍有两个不同版本时,严格方案将它列为判定不唯一。这样虽然少用了一些细胞,却避免了在两个候选里任取一个,然后宣称发现了确定的配对受体。

还有一个常被忽略的字段差别。AIRR 中的 junction 与 junction_aa 包含连接区两端的保守残基,而一些表里标作 CDR3 的字段会去掉侧翼。不能让血样使用带侧翼的氨基酸串、肿瘤使用去侧翼的串,然后把不相等解释为生物差异。针对真实项目应保存原字段名、调用版本、是否去等位基因后缀及对低质量碱基的处理。本例四种规则均使用同一来源的连接区,核苷酸和氨基酸在配对时都固定先写 α 后写 β;即使某一条序列相同,也不会因写入顺序碰巧互换而被错误归并。

def signature(chains, rule):
    beta=chains.get("TRB")
    alpha=chains.get("TRA")
    if beta is None or (rule!="beta_aa_all" and alpha is None):
        return None
    if rule.startswith("beta_aa"):
        return beta["junction_aa"]
    if rule=="paired_aa":
        return alpha["junction_aa"]+"|"+beta["junction_aa"]
    return "|".join(chain[field] for chain in [alpha,beta] for field in ["v_call","j_call","junction"])

第一次只改变“怎样定义相同”,固定细胞不动

首先把既有唯一有效 α、又有唯一有效 β 的条码固定下来。四位患者中,血液有一百零三颗、肿瘤有一百五十九颗可参与严格比较。第一种克隆键同时要求两条链各自的 V、J 和连接区核苷酸都一致。第二种只要求两条链的连接区氨基酸一致。不同核苷酸可以编码同一种氨基酸,V 或 J 调用也可能不同,因此第二种规则在原则上能够合并更多键。不过本次两种定义得到的患者内跨组织共享键合计都是十个,各有七十七颗细胞落入共享键中。一个预期更宽松的定义,在特定数据里未必改变最终数字。

接下来维持同一批具有成对链的条码,只用 β 连接区氨基酸定义克隆键,患者内合计出现十一个共享键,有八十一颗细胞落入共享键。这个对照特别重要:由于参加计算的条码没变,新增匹配由忽略 α 链造成。也要留意,有时合并键会让“不同共享克隆的个数”减少,同时让“落入共享的细胞数”增加,这两个统计量并非必须同向。本例同时导出共享键数量与对应成员数,避免把一个高扩增克隆里许多细胞错当作发现了许多不同克隆。

比较规则 血中可判定条码 肿瘤可判定条码 患者内共享键合计
双链 V/J 与连接区核苷酸 103 159 10
同一批条码,双链氨基酸 103 159 10
同一批条码,仅 β 链氨基酸 103 159 11
所有具有唯一 β 链者 183 210 18

第二次再改变“哪些细胞有资格”

最后一步才纳入那些能够唯一确定 β、但缺少唯一 α 的细胞。血液分母从一百零三增加到一百八十三,肿瘤从一百五十九增加到二百一十,共享键合计变为十八,进入共享键的细胞为一百一十三颗。因此从十个直接跳到十八个,既有序列规则变宽的因素,也有新增条码被纳入的因素。如果你准备向合作者解释两个软件报告的结果不同,可以借用这张四行表:先给两个软件同一批条码和同一链定义,再各自恢复其默认多链处理方式,差异首次出现在哪里就到哪一层查。

def unique_productive_chains(chains):
    needed=["junction","junction_aa","v_call","j_call"]
    live=chains.loc[chains.productive.eq(True)&chains.locus.isin(["TRA","TRB"])].dropna(subset=needed)
    result={}
    for barcode,g in live.groupby("barcode"):
        item={}
        for locus,part in g.groupby("locus"):
            variants=part[needed].drop_duplicates()
            if len(variants)==1:
                item[locus]=dict(variants.iloc[0])
            else:
                item[locus]=None
        result[barcode]=item
    return result

回到开头的真实序列。在 Renal1,血液条码的 α 连接区为 CLVGETGNQFYF,肿瘤中两颗条码均为 CAMSARDSNYQLIW,β 连接区三者相同。下载的共享序列表把两种组织的完整条码列在同一行,随后可去细胞键表查每颗在双链规则下的去向。此例能写成“这位患者的两个部位均检出该 β 连接区”,或“在只比较 β 链的定义下归为同一组”。它无法仅凭 β 链确定完整受体相同,还需要结合两条链的配对证据。即便完整配对序列相同,也很难只凭横断面采样判断细胞从哪个部位迁向哪个部位。

python -m pip install -r requirements.txt
python run.py --input example --out results

真正写进方法中,应让别人能够重算

再看两位样本量很不一样的患者。Lung6 同时有血液和肿瘤,严格规则下两边分别有五十一和五十六颗可判断的细胞,示例中没有找到共享;Renal3 两边仅五和十二颗,仍找到一个共享键。后者不能凭这一点被宣称比前者更常发生组织交换。即便都使用同一套序列规则,观察一次重复序列的机会仍由克隆大小和抽样深度决定。比较患者前,应公开每份样本的可判定条码,并考虑统一深度的重复抽样。

至少留下每位患者两种组织的合格条码数、每条有效链的选择规则和各类未判定条码的原因。供者内先定义键,再汇总各人的共享数量,不能把不同人的共同序列直接计作同一个患者克隆。若你打算回答抗原特异性或谱系来源的问题,还需相应的实验或独立知识,尤其是只比较一条链时。同一连接区由不同重排组合产生、以及相同 β 配上不同 α 的可能性,都可以先用本例的逐链表向合作者直观展示。

下载包保留了所有链调用和组织标签,读者可以先把任一位患者单独取出,确认自己能从那三个条码重建最初的例子,再改用不同的克隆标准。将同样流程扩展到完整队列、更多组织和大批序列匹配时,可以把固定的条码表、链键和各版结果保存在云生信科研服务器租赁上,逐次追查哪些共享关系是由规则或入组细胞改变的。

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 ↗