单细胞分析

聚类分辨率从 0.4 调到 1.2,新拆出来的小群值得命名吗?

作者:发布于 2026-11-17约 9 分钟阅读
聚类分辨率从 0.4 到 1.2 后按条码逐群核对来源供者和兄弟群标记

同事把分辨率从零点四调到一点二,图上多出来两个颜色各异的小群。每群刚好十八颗细胞,其中一群干扰素反应标记很高。它能拥有一个新的细胞类型名称吗?一个群有多少细胞、来自几位供者、相对哪一群显示什么标记,实际上是三个可以分别查明的问题。把粗细两套标签保存在同一条码表里,然后回到每位供者的标记数据,比面对两张彩色图猜哪些颜色对应更快。

聚类分辨率从 0.4 到 1.2 后按条码逐群核对来源供者和兄弟群标记

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)

在同一张图上真正跑三次聚类

练习给了一张七十二个节点的带权无向图、一张供者表、一份原始标记计数和每颗细胞的全转录组总分子数。图与计数都为教学构造,每条边代表两个细胞之间给定的相似程度。为了清楚观察参数的作用,图里可以有很弱的跨组连接。真实工作中应从前一步保存的共享近邻图或其他明确指定的相似图起步,将边和条码一并导出;直接拿二维图上两个点的距离另造一张图,就会把改变输入与改变分辨率混在一起。尤其注意有的对象会保存 RNA 和整合空间两张图,应记录聚类命令实际读了哪一张。

把资料包解压到单独目录,在 Python 环境运行以下两行。脚本载入图,分别用零点四、零点八和一点二运行 Leiden,每次用同一种带分辨率参数的目标函数,同一套权重,同一个随机种子,允许算法迭代至此轮优化不再改进。为了让示例标签容易核对,脚本用群内最小条码排列每次运行得到的群,再命名为 C01 等。这个编号只在一档分辨率内有意义,换档后数字相同也不等于成员相同。算法的目标函数和图的权重规模都会影响数字的含义,不能把另一个分析里的最优分辨率直接搬过来。Leiden 作者提供的实现参考

python -m pip install -r requirements.txt
python run.py --input example --out results
def partition(graph, resolution, seed):
    fitted = la.find_partition(graph, la.RBConfigurationVertexPartition, weights="weight",
                               resolution_parameter=resolution, seed=seed, n_iterations=-1)
    order = sorted(fitted, key=lambda member: min(graph.vs[i]["name"] for i in member))
    labels = [""] * graph.vcount()
    for j, member in enumerate(order, 1):
        for i in member:
            labels[i] = f"C{j:02}"
    return np.asarray(labels)

先读两个分母,再给粗群和细群连线

打开 memberships.tsv,每行是一个条码,后面三列是三档实际算出的标签。transitions.tsv 是从这张表数出来的。以中档 C01 到高档 C02 为例,共有十八颗细胞同时拥有这两个标签。它们占中档 C01 三十六颗的一半,却占高档 C02 十八颗的全部。前一个比例说旧群的人去了哪里,后一个比例说新群的成员从何而来。如果只盯着后一列的百分之百,很容易忘了旧群还有一半去了另一支。下面这个函数保留了两种分母,可用来交叉任何两套有共同条码的标签。

def crosswalk(source, target):
    source_n, target_n = Counter(source), Counter(target)
    return [(a, b, n, n/source_n[a], n/target_n[b])
            for (a, b), n in sorted(Counter(zip(source, target)).items())]

本例的低档和中档都得到两个各三十六颗的群,高档则得到四个各十八颗的群。这里恰好出现干净的二分,因为模拟中有意安排了这种边权结构。真实数据也可能出现一个新群同时吸收两个粗群的一部分细胞。遇到这种情况,先按条码保留所有非零转移,再看主来源是多少,次来源有没有共同谱系或少数批次特征,不要强行把它挂在一棵看起来整齐的树上。若某一轮缺失部分条码,应先给出两套标签各自的覆盖范围,明确交叉表的分母到底有多少颗。

四个群各有十八颗,证据覆盖却不同

接下来读 donor_support.tsv。细分群 C01、C02 和 C04 都有三位供者参与,每人六颗。C03 也是十八颗,却全部来自第一位供者。合并样本看两张柱状图时,四个柱子的高度一模一样,单靠细胞数看不出这种差别。查看粗群上一级还能发现,C03 所在的粗群本身就被第一位供者贡献了更多细胞。评估候选亚群是否偏向某个供者,应先看每位供者在整个父群里有多少细胞可供挑选,再解释十八颗集中来自一人意味着什么。父群覆盖极少的供者很难提供充分的反证。

最高分辨率候选 细胞数与供者 原始计数可检查的组合 适合记录的结论
C01 与 C02 各 18 颗,均为每位 6 颗 IL7R、CCR7 与 NKG7、GZMB 同一粗群中两种不同的标记组合
C03 18 颗全在第一位 ISG15、IFIT1 单供者观察到的干扰素反应样状态
C04 18 颗,三人各 6 颗 LST1、TYROBP 与同父群其他成员对照并核查谱系

真实项目里若某群只出现在一位患者,建议先保留原始群号和暂名。临床处理、采样部位、单独的一管建库、处理时间和质量,都可能伴随该供者一起变化。如果这位患者还有独立的组织块或另一种测量,可以检查相同标记组合是否重现。其他患者同类细胞的采集数量和覆盖度足够时,才有条件说该状态在其余样本中少见。仅凭一位供者的十八颗细胞,已经可以描述这次有趣的观察,但不足以估计整个患者人群里的发生比例。

在同父群内部检查标记,给“特异”找对参照

很多标记列表由“这个候选群对所有其他细胞”计算而来。对于本来就属于同一粗谱系的两个细分群,这种对照容易把共同的谱系基因推到前排,所以本练习专门将候选群与同一粗群中其余细胞比较。先按全转录组总分子数归一化,乘以一万并取一加自然对数。输出每个基因在各群的检出比例和平均对数表达,再在同一供者内计算两边均值差。基因表达表只包含一小组标记,做归一化时一定用另列保存的全转录组总量,以免某一标记升高把另一标记的相对量人为压低。

在 sibling_contrasts.tsv 内选 C03 和 ISG15。合并时,平均对数表达差约为五点五九。限制在第一位供者后,候选侧是十八颗、同父群的参照侧是六颗,差约为五点九九。第二、第三位供者各有六颗参照,却一颗候选细胞也没有,因此均值差列写入缺失值。读到这里就知道为什么“其他两名患者该基因的差异为零”是一个不恰当的结论。没有候选侧细胞时,统计量根本无法计算。把标记名换成 IFIT1,重复检查同方向的成套变化,也要把候选侧和参照侧的样本量一并交给同事。

还可以检查同一颗细胞里两个标记是否共同出现。群均值看起来都很高,有时是前半群只表达第一个基因,后半群只表达另一个。用成员表筛出候选条码,分别数两者都检出、只检出一个、都没检出的细胞,再按供者拆开。这样才能区别一个共同表达的状态与群内两套不同程序混在一起的情况。

决定哪些标签上主图,哪些留作候选

为一个新群正式命名,做法之一是把它放在三行证据旁边。第一行写条码从哪些粗群过来,在相邻分辨率下能否追到;第二行写支持的标记组合、方向和比较对象;第三行写实际覆盖哪些供者。若细胞数很少且只靠一个高表达的孤立基因,再检查环境 RNA、双细胞和极端测序深度。若跨供者、互有参照的候选群在好几组标记上有清晰区别,可以用描述性状态名;要将其提升为新细胞类型,还需要与已有谱系知识和独立测量对照。图聚类很适合生成这些可检验的生物学假设。Bioconductor 关于聚类和群体解释的章节

最后做一道可修改的练习。在 settings.json 保留原有三档,增加一个介于零点八和一点二之间的值,用新目录重跑,找出两套原始粗群在哪一档开始出现细分。然后更换随机种子,仍然用条码交叉表核对,而不要求两次输出沿用同一个群名。给课题组的结果可以同时保留两份注释,一份用于展示跨样本都有支持的分群,一份用于保留单供者反应状态供后续实验检验。将来需要在大量样本和多套邻居图上成批重复这项工作,可先记录构图和分区各自占用的内存,再据此安排云生信科研服务器租赁。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗