单细胞分析

MKI67 阳性的细胞聚成一团,怎样查出究竟是谁在增殖?

作者:发布于 2026-11-17约 9 分钟阅读
20 颗增殖候选中 14 颗有单一谱系支持,比较保留和移开细胞周期基因后的邻居

热图上有一列细胞同时高表达 MKI67、TOP2A 和 UBE2C,聚类树把它们拢成一团。汇报里写“增殖细胞群”不算错,可一旦有人追问治疗后到底是 T 细胞扩增了、上皮更新更快了,还是基质细胞进入周期,这个名字就不够用。可以给同一颗细胞保留两个字段,一个描述它是否带有周期程序,另一个描述有哪些谱系证据。我们用三位模拟供者的原始计数复算一遍,还会比较移开周期特征前后,同一颗细胞的七个近邻到底换成了谁。

20 颗增殖候选中 14 颗有单一谱系支持,比较保留和移开细胞周期基因后的邻居

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)

先给周期状态找证据,留下原始计数

脚本读取八十七颗细胞、三十二个特征的完整教学计数。把 MKI67 大于零、且八个周期基因里至少三项达到两个计数的细胞记为周期候选。这个判定目的是选出一批可追踪的条码,不负责区分细胞周期的具体时相。人的真实组织里,某一颗细胞可能在其他时相表达另一组基因;不同测序平台对低丰度转录本的检出能力也不同。正式分析可另算覆盖更完整的周期程序分数,并把使用的基因集、背景集、注释版本及样本范围保存下来。Seurat 的细胞周期评分实例

对同一份数据,另在上皮、免疫 T 和基质三个方向找支持。上皮候选检查 EPCAM、KRT8、KRT18,T 候选检查 CD3D、CD3E、TRAC,基质候选检查 COL1A1、DCN、LUM。每组至少两项达到示例计数才算支持。若两组同时满足,写成多谱系需要核查;若没有一组满足,写证据不足。免疫栏在这里特指示例中的 T 谱系,真实肿瘤不止这三类细胞,若有髓系、B 细胞和内皮等大类,就应加入对应面板并重新检查它们与邻近类型的重叠。

python -m pip install -r requirements.txt
python run.py --input example --out results
def lineage_evidence(row, panels):
    supported=[name for name,genes in panels.items() if sum(int(row[g])>=2 for g in genes)>=2]
    if len(supported)==1:return supported[0]
    return "mixed_review" if supported else "insufficient"

先打开状态与谱系表。二十颗候选中,五颗支持上皮、四颗支持 T、五颗支持基质。其余六颗仍有清楚的周期程序,但三颗同时达到多套谱系面板,三颗没有足够谱系支持。一旦把这六颗强行按最近的已知类型命名,后面所有“某类里有多少增殖细胞”的分子都会受影响。保留单细胞自己的谱系证据,也给了实验人员一个可以挑条码复核的名单。哪怕某颗只读到少量角蛋白,切片上见到独立标记共定位后也可以回到原记录更新,而不用重算所有人的样本构成。

只改变建图输入,防止同时改掉三个变量

首先以原始全库总计数为每颗细胞的分母,换算成每万计数并取一加自然对数。第一套表示使用全部三十二项,第二套从已经归一化的同一矩阵中移开八个周期基因,仅剩二十四项,再各自拟合六个主成分。两套均保留相同的条码顺序、近邻数和距离定义,避免把选细胞、改参数和移开周期基因的影响搅在一起。如果先删去高表达的周期基因再以剩余计数重算总深度,其他基因的归一化数值也会跟着改变。这会是另一个有意义的问题,但无法在本练习里将差异单独归给用于建图的特征。

def embedding(values, dims, k, ids):
    z=PCA(n_components=min(dims,values.shape[1],len(values)-1),svd_solver="full").fit_transform(values)
    distances=cdist(z,z)
    np.fill_diagonal(distances,np.inf)
    neighbors=np.array([np.lexsort((ids,row))[:k] for row in distances])
    return z,neighbors

近邻在六维表示中计算,图上只画前两个主成分。对每个条码去掉自己,从小到大取七个邻居;若距离碰巧完全相同,条码顺序用来稳定打破平局。下载包逐行给出中心条码、邻居条码、名次、邻居占用的谱系和状态。检验绘图时看整群靠近了谁,定量核查时回到这份名单。一颗在二维平面上看似挨着的点,不一定是六维里入选的近邻,两种结果不一致并不需要通过改坐标轴去修正。

只考察已有单谱系支持的 14 颗周期细胞 使用所有特征 从表示中移开周期特征
计入的有向近邻关系 14 × 7 = 98 14 × 7 = 98
邻居也属于周期候选 98 / 98 75 / 98
邻居与中心细胞谱系相同 52 / 98 75 / 98

十四颗中心只选用自身已有单谱系支持的周期细胞,但它们的备选邻居仍来自八十七颗的完整人群。一个多谱系待查的细胞也可能进入近邻名单,在比较是否“同谱系”时它不能被当成已经确认的上皮。九十八条是有方向的邻居关系,两个中心可以共享一个邻居,所以这九十八绝不是九十八个独立生物学重复。三位供者才是本例按供者计数的层级。这个分母说明了作图时周期状态和谱系分别吸引到多少邻居,不能直接拿去做治疗组差异检验。

取回一颗增殖的 T 细胞,它仍然是原来的条码

在下载包的逐条码结果里先筛选周期为一且单一谱系为 T 的记录,再去近邻表中看同一条码的两套七行。用下面几行可以把它的邻居逐条打印出来。检查某个此前在名单里的上皮或基质条码是否消失,同时找新增的 T 条码回查 CD3 相关计数。若焦点细胞本身有稳健的 T 面板,而几位新近邻也有同类证据,谱系判断会获得额外上下文。若焦点条码只靠近邻支持、自己的原计数没有可信谱系,仍应单列。不能因为去掉周期特征后总能找到最近的七颗,就认为最近者必然代表真实身份。

import csv
from pathlib import Path

def load(name):
    with (Path("results") / name).open(encoding="utf8") as handle:
        return list(csv.DictReader(handle, delimiter="\t"))

cell = next(r["barcode"] for r in load("lineage_state.tsv")
            if r["cycling"] == "1" and r["lineage"] == "immune_T")
for r in load("neighbors.tsv"):
    if r["barcode"] == cell:
        print(r["model"], r["rank"], r["neighbor"], r["neighbor_lineage"])

这里还可用两个方向读同一张计数表。如果想知道“周期候选主要由什么组成”,分母是二十颗,要把多谱系和证据不足共六颗一同报告。如果想知道“哪类细胞更常进入周期”,分母应分别为该谱系里可信的全部细胞,再按供者检查。把周期群的上皮占比当作上皮本身的增殖比例,会把组织原有的细胞组成混到结论里。一位献样者的上皮回收更多,即便每种谱系的增殖概率都没变,也会改变整个周期候选群的成分。

对有歧义的细胞,还能补什么

先区分两类困难。一类有多套明显的谱系证据,需要核查是否来自双细胞、环境 RNA 或真实复杂表型,可以看同一捕获的双细胞评分及不同基因是否成套表达。另一类可能因为深度低、分裂激烈导致谱系信号相对变弱,或现有面板根本没包含真实类型。后一类可同供者的非周期细胞比库深度和检测基因数,再寻找对当前组织更稳定的谱系标记。两类都写“未知”不会让数字变错,但把未知原因分列能更快决定哪些该补查技术质量,哪些值得用独立标记或组织定位验证。

从 RNA 解释“增殖”也应保留测量层级。大量周期转录本支持正在经历与细胞周期相关的程序,不能从一张横断面表达图量出一个克隆真实分裂的速度。尤其在肿瘤样本,有周期活动的上皮只是上皮候选,判断恶性还需要独立的拷贝数、组织或其他证据。肿瘤单细胞研究可以分别检查细胞身份和细胞周期状态,正是因为同一谱系内部也会同时有处于不同周期状态的细胞。Tirosh 等的肿瘤单细胞研究

最终表格在供者、条码、谱系和周期状态之外,再保留证据类型与待检查原因。日后若换一套更完整的周期面板,就能验证是状态标签发生变化,还是本来就很弱的谱系支持需要重看。需要给多个肿瘤样本重跑不同特征和近邻设置时,可将这套比较脚本与固定的条码清单放进云生信科研服务器租赁环境中,按供者保留每次结果。

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 ↗