国自然生信实战20讲 · 第16讲 · 寻找细胞与作用环节

系列目录:国自然生信实战20讲(当前第16讲)
- 第01讲:国自然里的生信从哪里开始?把研究方向拆成可分析的问题
- 第02讲:公共数据怎么选?找到与你的研究问题真正匹配的数据集
- 第03讲:下载数据后先做什么?表达矩阵、样本分组和基因编号整理
- 第04讲:为什么有些数据不能直接分析?看懂异常样本与批次效应
- 第05讲:差异表达怎么做才有解释价值?从统计显著到生物学意义
- 第06讲:富集分析结果太多怎么办?从通路列表提炼研究主线
- 第07讲:哪些基因值得继续研究?把表达、功能和文献证据放在一起
- 第08讲:基因升高说明了什么?区分单个基因变化与功能状态变化
- 第09讲:换一批数据还成立吗?手把手做独立队列验证
- 第10讲:差异真的是疾病造成的吗?识别混杂因素与缺失信息
- 第11讲:换个阈值结论就变了?用敏感性分析检查结果稳定性
- 第12讲:两个队列结果不一致怎么办?从差异中发现研究边界
- 第13讲:为什么整体组织的变化还不够?用单细胞定位表达来源
- 第14讲:是细胞变多了,还是细胞内部表达变了?拆解两种解释
- 第15讲:关键细胞发生了什么变化?从细胞类型走向功能状态
- 第16讲:细胞之间可能如何影响彼此?把通讯线索变成可验证的问题(本篇)
- 第17讲:从一堆图到一个科学假说:整理现有证据与关键缺口
- 第18讲:生信之后做哪些实验?把候选线索拆成逐步验证的任务
- 第19讲:样本量和验证队列怎么规划?用模拟看清研究可行性
- 第20讲:把整个项目串起来:形成可复现分析包和完整技术路线
点击目录按篇次顺序学习;文末复现包包含全系列代码与起始数据。
通讯图里的一条连线,离真实作用还有多远
单细胞分析中,细胞通讯图往往很吸引人:不同群之间连接着许多箭头,看起来像一张完整机制地图。但多数表达推断依赖配体、受体和数据库关系,并没有直接观察细胞接触、蛋白结合或下游响应。本篇选择一个更容易检查的起点:先看预先指定的配体和受体是否在当前上皮资料中有表达基础,再决定什么实验值得做。
承接第13至15篇,我们使用相同教学子集与状态标签。该数据主要覆盖上皮,因此无法全面比较免疫、间质和上皮之间的通讯。教程不生成一个冒充完整微环境的网络,也不把缺少的细胞群解释为不存在作用。我们的任务限定为表达可行性检查,保留明确的实验需求。
为什么先从少量已知配对入手
本篇预先指定AREG—EGFR和JAG1—NOTCH1两组常见配体受体关系作为方法示例。它们用于展示怎样查表达、检测比例和文库支持,不表示本次已经发现这两条关系在溃疡性结肠炎中发挥新的作用,也不预设它们与前面的REG1A存在直接上下游关系。把不同章节的候选硬连成一条通路,会超出现有证据。
完整通讯工具通常还考虑受体复合物、辅因子、数据库版本和统计过程。这里没有实施完整的CellChat或CellPhoneDB流程,也没有输出通讯概率。选择简化检查,是为了让初学者清楚理解每个数值来自哪里。若后续使用正式工具,仍需阅读该工具的模型假设、数据库定义和供体处理方式,不能把简化示例的阈值直接套过去。
给每条候选关系建立证据表
表格可以包含配体、受体、来源状态、目标状态、支持文库、检测比例、蛋白资料和空间证据。对于当前教程没有获得的字段,明确写尚未核实。这样做能够阻止一个常见升级:从两个基因在矩阵中出现,直接跳到某类细胞通过某通路导致损伤。中间每一步都需要自己的证据。
如果来源与目标来自不同文库或不同受试者,不应把它们的表达简单相乘后当成发生过的通讯。表达可行性需要考虑同一组织环境与作用机会。正式工具的汇总策略也应与样本设计匹配,不能只把所有细胞按类型合并而丢失供体层级。网络越复杂,越需要清楚输入来自哪里。
数据库中某个配对可能包含多个受体亚基或辅因子,本篇只用两组简化关系讲解基础检查。迁移到其他配对时,应确认完整分子组成,避免只看到一个受体基因有表达就认为复合物齐全。数据库版本与引用也应保留,因为更新会改变允许的关系集合和解释。
读图时不要为检测比例设置一个万能阈值。相同的比例在不同测序深度、样本质量和细胞数下含义可能不同。若需要筛选规则,应预先说明理由并检查敏感性,而不是围绕候选调节阈值。表达接近零时,更应回查原始测量和相关蛋白证据。
最终选择一个关系进入实验时,可以先问:能够独立改变配体或受体吗,能测到预期响应吗,有没有办法区分一般毒性与特异信号,空间条件是否合理?如果这些问题尚无答案,继续绘制网络很难补足可行性。把表达筛查转成具体实验条件,才是本篇与后续研究设计真正的连接。
运行方法与输出检查
下载文末完整复现包后先解压,将R的工作目录切换到其中的workbook目录,再运行下方命令。不要只复制某一行分析语句,因为公共函数、输入文件和前序结果需要保持同一套目录关系。本篇读取第13篇对象;附件已包含这些起始文件,因此可以单独学习本篇,也可以按顺序运行全系列。
Rscript scripts/16.R
脚本会把本篇表格和三张图写入results/16目录。运行结束后先检查输出表中的样本标识、列名与正文说明,再打开图片核对坐标和分组。出现报错时保留原始输入,先查工作目录、文件完整性及依赖版本,不要通过改分组或填补不存在的数据来让代码继续。下载包内的版本记录来自实际验证环境,安装时请保持R与Bioconductor依赖相容。
下面提供本篇完整R脚本;它会载入scripts/common.R中的公共函数。共用函数、数据整理代码和逐步日志也包含在复现包中,便于检查每一步的输入与输出。
source("scripts/common.R")
o<-start(16);sc<-load_sc();x<-sc$x;m<-sc$m
# Prespecified single ligand / single receptor pairs for expression feasibility only.
pairs<-data.frame(ligand=c("AREG","JAG1"),receptor=c("EGFR","NOTCH1"))
groups<-split(seq_len(ncol(x)),interaction(m$sample,m$state,drop=TRUE));rows<-list()
for(k in seq_len(nrow(pairs)))for(nm in names(groups)){ii<-groups[[nm]];if(length(ii)<10)next;g<-pairs[k,];if(!all(unlist(g)%in%rownames(x)))next;rows[[length(rows)+1]]<-data.frame(pair=paste(g$ligand,g$receptor,sep="-"),sample=m$sample[ii[1]],state=m$state[ii[1]],cells=length(ii),ligand_detected=mean(x[g$ligand,ii]>0),receptor_detected=mean(x[g$receptor,ii]>0),ligand_mean=mean(x[g$ligand,ii]),receptor_mean=mean(x[g$receptor,ii]))}
z<-do.call(rbind,rows);stopifnot(nrow(z)>0);save_table(z,paste0(o,"/expression_feasibility.csv"))
fig(paste0(o,"/fig1.png"),{plot(z$ligand_detected,z$receptor_detected,pch=16,col=ifelse(z$pair=="AREG-EGFR","#199C97","#E78C49"),xlim=c(0,1),ylim=c(0,1),xlab="Ligand detection fraction",ylab="Receptor detection fraction",main="Expression feasibility; not signaling probability");legend("topright",unique(z$pair),col=c("#199C97","#E78C49"),pch=16)})
fig(paste0(o,"/fig2.png"),{plot(z$ligand_mean,z$receptor_mean,pch=16,col="#199C97",xlab="Mean ligand expression",ylab="Mean receptor expression",main="One point per library / state / pair")})
fig(paste0(o,"/fig3.png"),flow(c("Check expression in plausible source and target","Confirm protein and spatial opportunity","Perturb ligand or receptor","Measure response and test rescue"),"Expression co-occurrence is only a starting point"))
检测比例和平均表达分别告诉我们什么
代码按文库与教学状态汇总,统计配体和受体表达大于零的细胞比例,以及对应的平均对数归一化表达。只保留至少10个细胞的组合,避免极稀少状态主导印象。检测比例说明在当前测量深度和处理值下有多少细胞观察到表达,平均值则描述表达水平。两者都受到捕获、测序深度和状态定义影响。

一个状态中配体检测比例较高,并不意味着它一定向另一个状态传递信号;受体转录本存在,也不保证受体蛋白位于合适位置或处于可响应状态。反过来,转录本未检出也不能严格证明蛋白不存在。零值可能来自真实低表达或测量未捕获。表达可行性检查只能帮助排序后续问题,不能单独完成机制判断。
| 证据层次 | 当前能观察什么 | 进一步需要什么 |
|---|---|---|
| 转录表达 | 配体或受体的检测比例与均值 | 更完整样本及表达核验 |
| 蛋白存在 | 当前资料未直接测量 | 合适的蛋白检测或成像 |
| 接触机会 | 当前表达矩阵无法定位 | 空间位置、分泌范围或接触证据 |
| 信号响应 | 当前没有直接功能读数 | 受体下游响应与干预 |
| 因果作用 | 当前无法证明 | 阻断、敲低及救援等设计 |
本篇散点不是发送者到接收者的网络
每个点对应一个文库中的一个状态与一组配对,横纵轴展示该组合里配体和受体的表达概况。它没有建立来源状态与目标状态之间的配对边,也没有比较细胞之间的空间距离。因此,不能根据散点位置画出某群向另一群发送信号的箭头。若要构建这样的假说,需要另行指定来源、目标和允许的作用模式。

这一限制反而能帮助读者避免常见误解:把同一群里配体和受体同时出现,直接写成跨群通讯增强。它可能提示自分泌、旁分泌或其他可能,也可能只是共同表达。不同解释需要不同实验区分。把每条箭头的含义写在图注里,比让连线自动承担因果含义更可靠。
两组关系需要不同的空间考虑
AREG—EGFR与JAG1—NOTCH1涉及的生物学作用方式并不完全相同,不能把所有配体受体关系都当成同一种可远距离扩散的信号。实际选择实验时,需要根据具体分子的作用方式确认细胞接触、培养条件和受体环境。本篇仅用于表达筛查,不替代针对具体分子的文献阅读与实验方案核查。
对于正式课题,建议建立一张候选关系表,记录配体来源、受体目标、数据库或文献出处、蛋白证据、空间机会和预期响应。某一列缺失就明确留空。不要用“数据库收录”替代在当前组织中的实验依据,也不要把同一文库的多种表达统计当作多次独立验证。

如何把表达线索变成实验问题
首先确认拟使用的模型确实表达相关分子,并且能够测到目标响应。随后选择适当的配体或受体干预,设置阴性对照、剂量条件和细胞活性检查。若假说涉及跨细胞作用,还需要来源与目标之间的培养或空间设计。最后考虑能区分特异作用与非特异损伤的救援或替代验证。具体实施取决于模型,不应直接复制一个统一模板。
假如干预后某个屏障读数改变,也需要检查是否同时伴随广泛细胞死亡。假如受体阻断没有改变响应,可能是通路并非必要、干预不足或存在替代机制。预先写清不同结果的解释,可以减少事后只保留支持假说的实验。第18篇会将这一思路扩展成可判读的实验分组表。
什么时候应当停止继续画网络
如果关键受体在多数文库缺少可靠表达,来源细胞覆盖不足,或者没有清楚的空间与功能假说,继续增加复杂连线通常不能补足证据。更合适的行动可能是核查测量、补充更匹配的资料,或选择更可验证的候选。复杂图的价值取决于它能推动什么判断,而不是连线数量多少。
本篇交付表达可行性表、检测比例与均值图,以及从表达走向干预的示意路线。至此,单细胞阶段提供了细胞来源、组成、状态和潜在作用环节的有限线索。下一篇将把整个系列的证据重新放在一起,区分已经观察到的结果、尚未确认的推断和需要新实验回答的问题。
代码、数据与继续阅读
下载完整复现包:20篇R脚本、整理输入、起始结果、运行说明与版本记录。包含公共数据教学子集;不包含任何实际实验结果。解压后先阅读README。
承接第15讲:关键细胞发生了什么变化?从细胞类型走向功能状态。
下一篇第17讲:从一堆图到一个科学假说:整理现有证据与关键缺口。
数据与方法来源
数据与方法核查日期:2026年11月16日。本文为教学二次分析;具体适用范围见正文。
需要把方法用到自己的数据中?
如果单细胞结果难以转成实验问题,可以准备样本层级、细胞规模和候选状态摘要,沟通定位与证据整理的范围。 联系云生信,说明当前研究任务。
