转录组里出现一个想验证的新群,实验室只有两个荧光通道可以留给标记。拿差异表达表前两名去下单,很可能买到两个在同一类邻居里也都很亮的蛋白。另一种失败更隐蔽:两个基因各自在目标群平均很高,却分别出现在不同的细胞里,根本没有多少同条码双阳性。本篇先用已知 B 细胞演练整个选标过程。一方面我们知道应该看到什么,另一方面真实数据会留下漏检和误标,足够检验从生信名单到组织染色方案之间的每一步。

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)
把两个通道要回答的问题写清
如果怀疑发现的是同一谱系中的新状态,最有解释力的组合常需要同时回答“这颗细胞属于谁”和“它是否处于这个状态”。两个都是宽泛谱系标记,即使双阳性,也只能证明谱系身份;两个都是炎症诱导基因,可能同时点亮多种细胞。实验材料若只允许两个标记,便要在验证谱系和验证状态之间作具体取舍。本例的任务更基础,是在有参考标注的 PBMC3K 数据中找到能在组织里继续测试的 B 系组合。它不会被当作发现新 B 亚群的证据,读者迁移方法时需要将同谱系的相邻状态也加入对照。PBMC3K 的公开数据与标注流程
我们从二千六百三十八颗有标签细胞的原始计数出发,先在参考 B 群和其他细胞之间比较基因检出比例,选出三十个具有检出差的实际基因。再补充预定的谱系及对照标记,去重后共三十二个候选,两两组合就是四百九十六种。参考 B 细胞有三百四十二颗,其他标签合计二千二百九十六颗。筛选和评估都在同一批数据上做,结果适合给实验排优先顺序,不构成独立的分类性能验证。只依靠一名供者的外周血,更不能替代未来在具体疾病组织内的检验。
计算同一颗细胞里有多少对双阳性
对候选组合中的每个基因,先以原始 UMI 大于零为检出。只有两列在同一条码上同时满足才计双阳性,再分别计算目标群和每一个相邻参考类型的比例。不能把两个基因的阳性比例相乘当成观测到的共表达,因为两个基因既可能协同,也可能互斥。我们同时保存所有非目标细胞的双阳性总数,以及非目标类型中最高的双阳性比例。有时某一小类型全部阳性,可因为人数很少而淹没在总体背景中。真实实验有可能恰好富集这一小类,因此两种统计应一起读。
def pair_table(data,genes):
records=[];target=data.label=="B cells"
for g,h in combinations(genes,2):
b=data[g].gt(0)&data[h].gt(0)
proportions=b.loc[~target].groupby(data.loc[~target,"label"]).mean()
records.append((g,h,int(b[target].sum()),int(target.sum()),int(b[~target].sum()),int((~target).sum()),b[target].mean(),proportions.max(),proportions.idxmax()))
return pd.DataFrame(records,columns=["gene1","gene2","target_double","target_cells","other_double","other_cells","target_fraction","worst_neighbor_fraction","worst_neighbor_type"])
最高覆盖的一个组合是 HLA-DPB1 与 HLA-DRA。它在目标群的三百四十二颗里双阳三百三十八颗,仅看目标覆盖近乎完美。然而在其余细胞中共有七百零九颗也达到双阳,参考树突细胞的小群更是全部符合。若目标组织含有大量抗原呈递细胞,把这对列为“B 细胞专属”就会直接误导染色判读。目标覆盖和排除最相近类型是两个独立考量,可以先设最低可接受覆盖率,再查看剩余组合中相邻类阳性最低的那些,并结合组织定位和抗体可用性逐项复选。
| 参考类型 | 条码总数 | MS4A1 与 CD79A 双阳 | 仅 MS4A1 | 仅 CD79A |
|---|---|---|---|---|
| B 细胞 | 342 | 277 | 17 | 43 |
| CD4 T | 1,144 | 4 | 50 | 51 |
| CD8 T | 316 | 1 | 16 | 5 |
| 树突细胞 | 37 | 1 | 2 | 5 |
六颗非目标双阳性,为什么要专门留一张表
指定演练组合 MS4A1 与 CD79A 在 B 群三百四十二颗中双阳二百七十七颗,十七颗仅检出前者,四十三颗仅检出后者,另五颗两个都没测到。双阳比例约八成一,若坚持两个标记都要出现,这部分单阳目标自然会被漏掉。参考非 B 细胞中有六颗双阳,其中四颗标为 CD4 T,一颗 CD8 T,一颗树突细胞。脚本把这些条码的两个原计数同时写出来。可进一步查看总深度、其他谱系标记、双细胞证据及参考标签的边界,不能因为它们妨碍“完美特异”就直接删掉。
python -m pip install -r requirements.txt
python run.py --input example --out results
多供者真实项目应再查看每位供者的双阳性率,尤其目标群本身只在个别病灶中明显时。某个组合可能只在一位高深度样本里双阳漂亮,另几位各自都没有足够条码可估计。把每位供者的分子、分母和深度保留下来,能区分“有细胞但未检出”与“这一位根本没有采到目标群”。同样的流程也可比较一个宽谱系标记加一个状态标记的组合。加入正常组织同谱系近邻、肿瘤同部位的其他细胞与已知强阳性材料,比只拿完全无关的细胞作阴性更容易把候选的边界讲清楚。
抗体有公开记录,仍要核对自己的组织和实验条件
计算结果挑的是基因组合,实验真正使用的是具体抗体、具体固定方式和读图条件。下载包的证据表链接到 Human Protein Atlas 的组织免疫组化记录。MS4A1 可查到 HPA014341 等试剂及组织图;CD79A 可查到 HPA056444 等记录,组织条目描述了淋巴生发中心等位置的胞质染色。两者已有来源可追的证据,并不保证同一套抗原修复、曝光或多重荧光条件能直接使用。先核对靶物种、样本制备、应用和克隆,再做单染及组合验证。公开记录里的目录编号只供定位已用试剂,实际批号和条件要由实验室登记。MS4A1 组织原始图和试剂信息 · CD79A 的组织表达及抗体记录
预先写好可判读的标准尤其重要。例如在已知含 B 细胞的淋巴组织里看单染是否出现预期结构,设置省略一抗或适合方案的阴性控制,使用单色控制查通道串色。双阳性的判定单位应是一颗经过分割的细胞,在同一细胞边界内两个通道都符合相应定位与阈值。两颗相邻细胞的膜贴在一起,或者一枚细胞核旁边恰好有另一颗细胞的胞质信号,都可能在合并图上看似重叠,必须回看分割边界和各自通道。最好让不了解样本分组的人员按同一规则读片,给低信号、破损和边界不清的目标单列待定。
import pandas as pd
hits = pd.read_csv("results/double_positive_cells.tsv", sep="\t")
print(hits.loc[hits.label.ne("B cells")].to_string(index=False))
如果两通道还需与病理形态共同判读,可以先确定计划抽取多少视野、每个视野用什么固定的面积或组织区作分母。实验人员不应只拍到双阳性最集中的区域后再用它代表整块组织。每位供者保留若干随机或系统取样的视野,同时记录组织破损、坏死与无法判读的区域。生信侧预期的是目标群内的共表达率,病理侧则常报告单位面积或所有可判读细胞的比例,这两个分母需要在实验开始前先商定。
最后可以把预期分为几个层次。若两个蛋白在同一细胞内按预期定位,支持该材料中存在具有双标表型的细胞;若局部组织中只见单阳,应先用阳性对照确认另一个通道的技术性能,再讨论是否与转录本和蛋白时序有关;若相邻谱系也广泛双阳,就要重新评估这个组合是不是能回答原问题。对于新亚群,双标通常只能验证一个操作性定义,还需额外的时间、位置或功能证据来支持“新”的含义。先在几个代表标本上跑通选择与判读,再需要跨队列筛查大量组合时,可按输入矩阵及供者数量选择云生信科研服务器租赁。
