国自然生信实战20讲 · 第15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15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(本篇)
- 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
- 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。
细胞标签只是起点,状态才连接实验问题
知道候选可能出现在某类上皮细胞中,并不等于知道它们正在经历什么。相同的粗略细胞标签下,可能同时存在分泌、增殖和损伤应答等不同状态。承接前两篇,本篇不再增加复杂聚类,而是使用三个透明的标记面板,在文库与教学状态层面汇总表达,帮助读者提出更具体的验证问题。
我们仍然使用GSE116222的1800细胞教学子集和第13篇的规则标签。这里没有新增独立数据,因此不能把本篇图表当成对第13篇注释的独立验证。它们是从同一份资料的另一个角度进行描述,价值在于解释模式和发现局限。认识证据之间的依赖关系,是避免“分析很多等于证据很多”的关键。
三个面板分别表示什么
第一个面板包含MUC2、TFF3、SPINK4、CLCA1和FCGBP,帮助观察分泌相关标记;第二个包含MKI67、TOP2A、STMN1和UBE2C,帮助观察增殖相关标记;第三个包含REG1A、REG1B和OLFM4,作为再生相关教学面板。代码将这些名称完整列出,读者能直接检查到底哪些基因贡献了分数。
这些面板是用于教学的标记集合,不是经过独立临床验证的功能量表,也不是可以量化真实通路活性的标准工具。“再生相关”尤其不能被解释成组织已经完成修复:表达这些标记可能发生在不同背景下,真正的屏障功能仍需直接测量。名称方便讨论,不应代替证据定义。
| 面板 | 计算方式 | 可支持的观察 | 不支持的直接结论 |
|---|---|---|---|
| 分泌相关标记 | 成员对数归一化表达均值 | 所选标记的共同表达模式 | 已测量黏液屏障功能 |
| 增殖相关标记 | 同样的透明均值 | 增殖相关转录特征 | 精确测得细胞增殖速率 |
| 再生相关标记 | 固定教学成员均值 | 相关表达状态的分布 | 组织修复已经发生 |
先在细胞内计算,再按文库汇总
本篇为每个细胞计算三个面板的平均表达,然后按文库、条件和教学状态取均值。输出保留该组合的细胞数,画图时只展示至少10个细胞的组合,以减少极少数细胞均值被过度解读的风险。这个阈值是演示规则,不是统计有效性的保证,也不能把达到10个细胞理解成拥有10个独立生物学重复。
检查状态评分是否只是在重复注释
本篇分泌面板与Goblet_like标签共享成员,增殖面板与Cycling标签也共享成员。因此,跨标签的分数差异在一定程度上由规则决定。读者可以把这看成对程序逻辑的检查,而不是新的生物学发现。如果文章要讨论某种条件下的功能变化,应该进一步使用独立定义或额外证据,避免循环论证。
一个实用练习是把某个标记从标签定义中拿掉,但仍保留在后续展示中,观察它是否提供一致支持。这个练习能够帮助理解标签与评价之间的独立性,不过仍不是严格外部验证。正式注释与功能判断需要结合更全面的知识和数据,不应把一次留一标记练习夸大成完整验证。
在同一状态内比较条件时,先检查有哪些文库真正贡献了点。三种颜色都出现并不意味着有充分独立重复,少数文库可能决定视觉趋势。当前教程不确证供体配对,也不添加疾病显著性。描述图应保留每个点,让读者看到资料稀疏之处,而不是只画一个看起来很平滑的组均值。
平均表达面板还会受成员检出率影响。一个低分可能来自多数成员轻微下降,也可能来自其中几个成员在许多细胞未检出。回到单个成员的均值和检测比例,有助于分辨两种情况。它们可能对应不同生物学或测量解释,不能仅凭面板总分给出统一机制。
最后,将每个面板对应到一个独立实验读数。如果目前无法说明分泌、增殖或再生相关表达将怎样被直接功能测量检验,就先把它保留为状态描述。分析阶段不必强行完成所有机制环节,清楚列出下一步需要的测量,比让一个评分承担过多含义更有用。
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/15.R
脚本会把本篇表格和三张图写入results/15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(15);sc<-load_sc();x<-sc$x;m<-sc$m
sets<-list(Secretory_markers=c("MUC2","TFF3","SPINK4","CLCA1","FCGBP"),Cycling_markers=c("MKI67","TOP2A","STMN1","UBE2C"),Regeneration_associated=c("REG1A","REG1B","OLFM4"))
# Descriptive marker panels, not validated pathway activity scores.
scores<-sapply(sets,function(s)colMeans(x[intersect(s,rownames(x)),,drop=FALSE]))
d<-cbind(m,scores);a<-aggregate(d[,names(sets)],d[,c("sample","condition","state")],mean);count<-aggregate(rep(1,nrow(m)),m[,c("sample","condition","state")],sum);names(count)[4]<-"cells";a<-merge(a,count);save_table(a,paste0(o,"/sample_state_scores.csv"))
for(j in 1:3)fig(paste0(o,"/fig",j,".png"),{keep<-a$cells>=10;z<-a[keep,];plot(as.numeric(factor(z$state)),z[[names(sets)[j]]],col=cols[z$condition],pch=16,xaxt="n",xlab="",ylab="Mean log-normalized marker expression",main=names(sets)[j]);axis(1,seq_along(sort(unique(z$state))),sort(unique(z$state)),cex.axis=.65);legend("topright",c("Healthy","Noninflamed","Inflamed"),col=cols[c("Healthy","Noninflamed","Inflamed")],pch=16,cex=.7)})
文件中保留完整汇总,而图形采用明确展示条件。这样读者能知道哪些组合被省略,以及省略原因。正式项目若更改阈值,应观察主要模式是否改变,并说明选择依据。不能只因为某个稀有组合符合预期,就单独放宽它的规则;也不能只因为结果不符合故事,就把该组合归为质量不足。
读第一张图:分泌标记的高低
图中每个点对应一个文库中的一种教学状态,颜色区分取样条件。首先看同类状态内部点的范围,再看不同条件是否有一致模式。不要先比较不同状态的最高点,因为状态标签本来就部分依赖这些标记。Goblet_like状态的分泌标记更高,在一定程度上是分类规则的预期结果,不能再次作为独立发现。

这种循环关系并不意味着图没有用途。它可以检查规则是否按预期执行,也能提示标记之间是否存在矛盾。但如果要研究条件差异,应尽量使用与注释规则独立的功能读数、更多标记或外部证据,并保留供体层级。一个特别值得记录的问题是:结论是否完全依赖用于定义细胞状态的那几个基因?
读第二张图:增殖状态可能跨越谱系
Cycling标签表示增殖相关表达状态,并不等同于一个单独的细胞谱系。不同上皮来源的细胞都可能进入增殖状态。因此,看到一个“增殖群”后,还应结合谱系标记判断其来源,不能把增殖状态与吸收或分泌谱系简单放在同一层级作互斥生物学分类。本教程的规则标签简化了问题,解释时必须把这一点补回来。

如果未来实验关心增殖,应采用与问题匹配的直接测量,并区分细胞数量变化、存活变化和增殖速度。表达标记提供的是转录层面线索。尤其在干预后,细胞死亡也可能改变观察到的增殖相关分布,不能只看一个面板下降就宣布抑制了某条机制。
读第三张图:候选参与评分带来的依赖
再生相关面板包含REG1A,因此它与REG1A表达之间不可能被视为完全独立的信息。若把二者再做相关图,可能出现明显的数学耦合。第08篇讨论的“自己与自己相关”在这里再次出现。正式研究若需要检验候选与某状态的联系,应考虑独立定义状态,或在移除候选后重新计算并报告变化。

同样,三个面板的基因数不同,成员表达范围也不同,不宜直接比较某一面板数值比另一面板大多少。图主要用于在同一定义下观察样本和状态之间的模式。一个分数为二、另一个为一,不代表前一种功能强两倍。简单的计算往往更容易理解,但仍需要准确解释单位和参照。
没有显著性星号也能形成有用判断
本篇不把细胞当作独立患者检验,也没有确证完整供体配对,因此图上不添加疾病比较的显著性星号。读者仍然能够观察哪些组合信息丰富、哪些状态稀少、哪些模式值得在新样本中检验。这些描述可以帮助选择实验模型与读数,而不必急着把每个图都转成一个P值。
如果某个预想状态在现有资料中覆盖不足,下一步可能是补充更合适的数据或重新设计采样,而不是强行推断。对国自然研究准备而言,知道现有资料不能支持什么,同样能帮助明确拟开展研究的必要性。本篇输出文库状态评分表和三张标记图,下一篇将讨论表达线索如何用于评估细胞间信号的可行性与边界。
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14讲:是细胞变多了,还是细胞内部表达变了?拆解两种解释。
下一篇第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。
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。
