同一块组织分两管建库,技术人员交来两张很像的 UMAP,整体表达的相关系数也不低。实验同事却注意到,第一管的 T 细胞多,第二管的单核细胞多。哪种说法算对?两份结果可以同时具有相近的细胞类型表达轮廓和不同的捕获组成。把所有细胞混在一起计算一个相关系数,无法告诉你差异究竟出在细胞被采到的数量,还是同一种细胞内部的分子表达。下面用一份有明确分管标识的稀疏计数矩阵,把这两件事各做一遍。

两支管是在哪一步分开的
在讨论重复性之前先核实实验单位。取同一个供者的两个空间区域,分别切取组织制备,与同一块组织消化完成后将细胞悬液混匀再分装,并不是同一个重复设计。前者包含组织局部异质性和各自制备过程,后者主要观察分管以后的装载、捕获、建库和测序差异。若同一文库仅被拆到两个测序通道,通常面对的是相同的一批细胞条码,应从文库层面合并或比较测序深度,也不能当成本篇那样的两次颗粒捕获。把分开时间点、标本号、捕获号和是否共用试剂记录在一行。
本练习模拟同一份标本 P1 制成两支独立捕获管 A 和 B。两边的细胞共享标本来源,但没有一颗细胞可以一对一配成同一条码。若两个文库碰巧都叫 BC01,也不意味着它们是同一颗细胞。我们给每个条码加管号,然后在共同谱系层面比较统计量。真正需要的是一致的原始基因轴、相近的细胞识别规则、可说明的质控条件和同一粒度的谱系注释。如果一边把活化 T 单独命名,另一边只写 T,应先统一到可比层级,再讨论组成。
第一次比较只问,各类细胞进了哪一管
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)
解压后先运行两行命令,打开组成表。A 管回收二十颗、B 管十八颗。T 细胞分别有十二颗和六颗,占百分之六十和约百分之三十三点三。若以 B 减 A 来写,则少约二十六点七个百分点。单核细胞在两管分别为六颗和十二颗,比例从三成升到约三分之二。这里使用百分点差,让两份回收数量不同的样本有可核查的分母。每种细胞的比例都会受到其他细胞数量影响,因此仍要把原始人数放在旁边;仅看到 T 细胞占比下降,并不能说明那一管 T 细胞发生了特异性死亡。
python -m pip install -r requirements.txt
python run.py --input example --out results
| 细胞类型 | A 管细胞数 / 总数 | B 管细胞数 / 总数 | 能否比较群内表达 |
|---|---|---|---|
| T 细胞 | 12/20 | 6/18 | 两边都有覆盖,可以审查聚合后的计数 |
| 单核细胞 | 6/20 | 12/18 | 两边都有覆盖,需要校正聚合总量的差别 |
| NK 细胞 | 2/20 | 0/18 | 只登记覆盖差,B 管没有该群可供表达比较 |
在真实分管里,小群的回收常有较大随机波动。一个占比很低的群,在数百颗甚至数千颗细胞的重复中偶尔为零也不奇怪。若某类对研究特别关键,除了数其总人数,还要检查原始标记是否在其他注释里被吸收,或者某个过滤门槛把它们集中排除。对零值的写法应具体,B 管没有被标为 NK 的细胞,是对当前捕获、质控与注释的描述;它并未说明患者的组织缺少 NK,也没有提供这类细胞每个基因都表达为零的依据。
第二次比较只留同一种细胞
先在每一管的同一谱系内把每个基因的原始 UMI 逐列相加,得到一列管级计数。然后按这一管这一谱系的总 RNA 计数换算每百万分子表达,加一后取以二为底的对数。计算分母时先用全部 RNA 特征,再根据两管合计 UMI 选择可比较基因。若先挑高表达基因再算总量,同一份文库的尺度会随筛选规则改变。脚本还设置两管各自至少有几颗该类细胞才进入表达比较,未达标的保留一行覆盖记录。聚合本身和用独立样本做统计是两件事,这里只有同一供者的技术重复,不能借聚合生成生物学重复。Bioconductor 样本与谱系聚合教程
def expression_features(a,b,minimum):
if a.sum()==0 or b.sum()==0:raise ValueError("A group has zero total RNA counts")
keep=(a+b)>=minimum
loga=np.log2(1+1e6*a/a.sum());logb=np.log2(1+1e6*b/b.sum())
indices=np.flatnonzero(keep)
corr=np.corrcoef(loga[keep],logb[keep])[0,1] if len(indices)>=3 and np.std(loga[keep]) and np.std(logb[keep]) else None
return indices,loga,logb,corr
打开表达散点图,横轴为 A 管、纵轴为 B 管,每个点是一种达到门槛的基因。对角线上的点表示两边归一化值相近;持续偏离的一簇基因值得查。示例里全部细胞的相关系数约为零点八二,单核细胞在当前筛选出的三十六个基因上的相关约为零点九五,T 细胞在三十五个基因上约为零点八五。各面板实际纳入的基因集合可能不同,不能把相关系数小数点后两位直接当成不同细胞类型的质量排名。想作严格横向比较,可以预先固定一份共同基因清单再复算,同时确认零值和覆盖门槛如何处理。
把相关系数拆回能解释的一个点
读图还要注意一条参考线和一个相关系数回答的是不同问题。若多数基因在两管中的相对高低顺序近似,相关可以很高,即使某一小组低表达基因普遍偏向一侧。把偏离最大的几项连同原始分子数保存下来,再回查是否只是很小的分母放大了波动;同时给预先关心的标记留一栏,即便它们没有进入偏差前十名也能核验。
到逐基因结果中筛选 T 细胞,找 FOS。A 管只有九个原始分子,B 管有四十七个。它们分属十二颗与六颗 T 细胞,直接把四十七除以九既没有处理两边聚合总量的差别,也没看清信号由几个细胞提供。根据脚本使用的分母,两份对数归一化值约为十一点六三和十四点九二,B 减 A 约为三点二九。教学数据有意在 B 管的 T 群中提高了这个基因。真实样本若有类似变化,回查单细胞分布是否由一颗极端阳性驱动,以及处理时长、温度、细胞活性或 T 细胞亚群组成是否有差别。
再从结果里找一个主要区分谱系的基因。假如在全体细胞聚合时偏差很大,而在单核细胞内接近对角线,就应把“分管捕获组成不同”放进优先解释。反过来,像本例的 T 群 FOS,固定基本谱系后仍有明显偏离,就把检查重点转向该群内部。还要考虑注释粒度:一个看似单一的 T 群中,初始、效应和增殖细胞的比例如果不同,也会改变群内聚合表达。扩大到更细亚群时,先查两边是否有足够细胞;表达可比范围会随分组变细而缩小。
可以在输入副本里将最低细胞数从三改为八,再比较覆盖表。A 管 T 细胞足够,但 B 只有六颗;B 管单核细胞足够,但 A 只有六颗,两个谱系都会退出各自的表达比较。脚本会保留原因,组成表中的人数则不变。这个练习揭示了一件常被忽略的事:重复性图里能展示的群,往往更偏向两管都丰富的细胞;最可能出现捕获偏差的稀有群反而可能没有图。正文中把这些没有资格做表达比较的群也列出,数据缺口才不会被误认为技术一致。
报告给团队时,分别写明两管总回收、重点谱系的绝对数与比例、可比较谱系内的整体相关和个别异常基因。若有多位供者都做过同样的分管,把每位供者当成一对,汇总不同标本中反复出现的偏差,而不是把一个供者的细胞数量视为重复次数。需要为多批捕获重复计算大矩阵、保存不同注释粒度下的聚合结果时,可以按一次分管试跑的内存、运行时间和缓存大小安排计算。云生信科研服务器租赁
