一个克隆的细胞中既有 IgM,又有 IgG。实验同事马上想到抗体类别转换,但如果两条记录只共享一个常见重链 V 基因,甚至分属不同患者,这个故事就站不住。本文选了一对可以自己查到序列的真实 B 细胞。它们来自同一份样本,重链连接区相同,轻链也相同,恒定区一条是 IGHM、另一条是 IGHG1。我们从五千个条码开始逐级筛查,最后只留两行证据。比起一张按同种型上色的图,这两行更有助于判断下一步该验证什么。

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)
第一个决定,是让什么定义克隆
数据来自 Stephenson 等多组学研究,由 Scirpy 整理为五千个含 BCR 的教学条码,涉及二十五位供者。链表保留一万二千一百五十条注释。一个条码可以有多条记录,不能将链行数当成细胞数。先确定供者,再使用生产性的重链 V、J 调用和连接区序列形成保守的克隆键;加入轻链信息和核苷酸的一致性以后,定义进一步收紧。恒定区先从克隆定义中拿出来,待对可变部分分组以后再比较同种型。若把 IGHM 或 IGHG1 提前拼进克隆键,同一组内出现两种同种型就会被规则本身禁止。原研究
有些分析用重链 V、J、连接区长度与一定序列距离识别更广义的克隆家族。本例将连接区完全相同作为高可复核性的起点。精确相等可能拆开已经发生体细胞高频突变的亲缘成员,所以这里得到的是严格定义下能直接核查的候选。反过来,波动过大的距离阈值又可能把相似但无关的重排收进同一家族。正式分析可按供者检查距离分布,给出不同阈值下的成员变化;不能在看见两种同种型之后才任意调整阈值,把喜欢的两个条码强行并在一处。Scirpy 的 BCR 教程
把恒定区字符串整理成可查的证据
链表中的 c_call 可能是一个具体亚型,如 IGHG1,也可能给出同一家族内的多个候选。如果研究的是 IgG 大类,几个备选都属于 IgG 时可以在这个层级归为同组,但细分亚型应保留“不确定”。若不同候选跨了家族、字符为空,或者标作重链的记录却出现轻链恒定区格式,分析就把这项放入待核查,不能凭字符串中恰好出现某一个字母自动归类。下载脚本同时输出原字段和归一后的家族名,这样作图时可以汇总,遇到不一致又可退回真实底稿。
def isotype_family(call):
if not isinstance(call,str):
return None
matches=[re.fullmatch(r"(IGH[MDGAE])[1-4]?(?:[*][A-Za-z0-9]+)?",p.strip()) for p in call.split(",")]
if not all(matches):
return None
families={v.group(1) for v in matches}
return next(iter(families)) if len(families)==1 else None
接下来分别核对重链和轻链的唯一性。我们只接受有效连接区和 V、J 调用都存在的生产性记录,折叠完全相同的重复行。一个条码若有两条不同的重链或两套无法确定的轻链,仍然保存在逐条码审计表里。重链证据不完整的那行不能确定同种型,只有轻链不完整的那行则还能参加一个标明限制的重链比较。最终有四千七百三十三颗可根据单一有效重链判定同种型,四千二百三十六颗还能得到唯一有效轻链。对这两个分母分别报告,才能看清轻链筛选额外移除了多少条码。
| 筛选或分组口径 | 可以参与的条码 | 患者内不同克隆键 | 同时含 IgM 与 IgG 的候选 |
|---|---|---|---|
| 重链 V/J 和连接区氨基酸 | 4,733 | 4,577 | 1 组,2 颗 |
| 再要求轻链 V/J 和连接区氨基酸相同 | 4,236 | 4,108 | 1 组,2 颗 |
| 双链连接区核苷酸亦完全相同 | 4,236 | 4,133 | 1 组,2 颗 |
最后一行的不同键数量比上一行多,是因为氨基酸相同不一定使用相同的密码子。相同数量的细胞用更严格的核苷酸键分组,原本合在一起的部分键会拆开,出现更多不同键完全合理。本例中唯一的两种恒定区候选没有随着两次加严而消失。若真实项目发现几十组候选,可把收紧后消失的也列出来,分别指出是因为缺轻链、轻链序列真的不同,还是只有氨基酸相同。把不同原因都写成“低质量”会让合作者无法继续定位。
逐字符看这两颗细胞
这对候选的供者和样本字段相同。重链 V 基因都为 IGHV3-11,J 基因都为 IGHJ4,连接区氨基酸均为 CARDNWRSSGYYYGSDYW;打开压缩包的严格候选表,还能对照完整核苷酸字符串。两条轻链都为 λ 链,V 基因都是 IGLV3-25,J 都为 IGLJ3,连接区氨基酸均为 CQSADSSGTWVF,核苷酸也逐字符相同。恒定区却分别调用 IGHM 和 IGHG1。比只看到一个相同的重链基因更能支持它们属于同一候选家族,但实验还没有展示一颗细胞在个体内真实转换成另一颗。
细看原有 RNA 标签,会遇到一个有意义的矛盾。IGHG1 那颗在转录组表中标作 Plasma_cell_IgA,IGHM 那颗标作 Plasmablast。程序保留了原来的这两个标签,也保留受体注释。先问两种标签建立的依据:转录簇通常是许多基因表达模式的归纳,单条受体则来自条码对应的重排和恒定区调用。两者若有冲突,可以到原始转录本、其他免疫球蛋白恒定区表达、链读段支持、双细胞与条码归属中继续查证。若没有进一步证据,报告观测到的不一致,比擅自把 RNA 名字改成 IgG 更有用。
def mixed_groups(cells, fields):
found=[]
for key,g in cells.dropna(subset=fields+["isotype"]).groupby(fields,sort=True):
if {"IGHM","IGHG"}<=set(g.isotype):
found.append(g.copy())
return pd.concat(found,ignore_index=True) if found else cells.iloc[:0].copy()
为什么这还不能画出类别转换的先后
免疫球蛋白类别转换牵涉抗体重链恒定区的改变。在来自同一患者的两颗细胞中看到相同可变区和不同恒定区,支持一个家族中存在不同同种型的可能;只凭这两次横断面观察,难以判断哪个是另一个的直接祖先。两颗细胞也可能分别来自未被采到的共同祖先。要更接近方向问题,需要更多同家族成员、采样时间、可变区突变谱、适当的胚系参照和有明确方法的谱系树。若另一个项目同时观察到 IgM 和 IgD,也应考虑其表达机制,不能把任何恒定区差异一概解释为同样的转换事件。
python -m pip install -r requirements.txt
python run.py --input example --out results
让链证据决定下一步检查
还有一点可以直接在原表验证。计算每个克隆时先按患者分层,保留原始样本列,最后再去核对观察到的两种恒定区是否来自同一次取材。本例两颗细胞恰好来自同一份材料,因此能够说明该样本同时存在两种记录;也正因为只有一个时间截面,不能用采样顺序给它们排出先后。
打开逐条码输出中的状态列,有二百二十五颗缺少唯一有效重链,另有四十二颗恒定区或重链注释无法用于该判定,四百九十七颗虽有可判同种型的重链但轻链不唯一或缺失。这些记录中的一部分可能涉及多链,另一部分可能只是捕获不足。若某一类状态集中在一份样本或一个建库批次,先比较测序深度、样本处理与细胞分选,必要时回到 contig 级别看读段支持。要做更宽的家族分析可以保留可判定重链的细胞,但须向读者明确哪些结论完全依赖单链,哪些还能得到轻链验证。
如果要为实验组选验证材料,这对真实条码足够示范如何制作一张证据表:两颗细胞的原始标识、供者与样本、重链 V/J、轻链 V/J、双链连接区、恒定区和任何冲突的原有标签都应在场。再列出已有样本能够回答的是同种型共存还是直接谱系演变,以此决定应补测蛋白、重测受体,或增加时间点。小型子集的核验可在普通电脑完成;若扩展到全队列的克隆家族、不同序列距离和完整突变树,可以把冻结的链表和版本记录存到云生信科研服务器租赁上,比较每种定义下哪些候选仍在。
