单细胞分析

ACTA2 阳性的基质细胞,是肌成纤维细胞、周细胞还是平滑肌细胞?

作者:发布于 2026-11-17约 8 分钟阅读
九十二个 ACTA2 阳性条码按三组标记分成四种有支持的表型和一类未定,取材信息用于复核

在纤维化组织的基质子集里,ACTA2 把一片细胞染得很亮。图会上有人问,这片红色代表产生胶原的肌成纤维细胞,还是切到了一截血管壁?这两种解释会让下一步实验走向不同的地方。前者会寻找基质沉积,后者要定位血管及其周围结构。打开逐条码的计数,把“有收缩相关转录本”“有基质合成程序”“在血管旁边”写在不同的列里,就能发现哪些问题眼下有答案,哪些值得再用组织切片解决。

九十二个 ACTA2 阳性条码按三组标记分成四种有支持的表型和一类未定,取材信息用于复核

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)

把大类和取材信息放回表达矩阵

示例提供四位模拟供者,各有二十七个已经进入基质大类的条码。表里留下了临床项目常有、但在画图时容易丢掉的两列信息,即实际取了哪块组织,以及这块组织属于谁。取材注释只有瘢痕核心、血管富集组织块和混合活检三种。在这个练习里可以知道一颗细胞来自血管富集的一管,却无法知道它原来贴在哪一条血管、位于内皮的哪一侧。后面解释周细胞和血管平滑肌时,会用到这个区别。示例中各类的计数是为练习设置的,不能引用为真实组织的比例。

在自己的项目上,先确认基质大类是如何划出的,特别是血管内皮、上皮和免疫细胞是否有独立谱系依据。把邻近的大类取一小份作为对照也有用。假如几种身份矛盾的转录本集中在同一批高计数条码里,可以追查双细胞标记、同批次背景和原始计数,再决定保留什么名字。单独拿出一张已经按研究者喜好命名的基质细胞图,缺少初筛记录,会让人分不清后面得到的新标签究竟提供了多少新证据。

python -m pip install -r requirements.txt
python run.py --input example --out results

一扇入口,三组证据

先把原始 ACTA2 至少有一个计数的细胞标成阳性,其余仍保留在表中。本例有一百零八颗,九十二颗通过入口,十六颗未检出。阳性只回答本次测量是否读到了转录本。决定“像谁”的面板单独放到配置文件里,以免用筛选时已知的那项证据重复证明身份。基质面板选用 COL1A1、COL3A1 和 DCN,关注胶原及相关细胞外基质程序。周细胞面板看 RGS5、CSPG4 和 PDGFRB,平滑肌面板看 MYH11、CNN1 和 SMTN;三组不使用同一基因,也不把 ACTA2 再放进去。

每颗细胞要在同一组里有至少两项各达到两个原始计数,才算该组有支持。一项极亮可以拉高簇的均值,却不会独自触发这个规则。这个门槛刻意简单,读者可以从表中任选一行手算。第一位供者的首颗细胞有九个 ACTA2,两个胶原基因各有七个,DCN 为零,仍然有基质组合支持。同一行的两套血管壁相关面板都没有达到门槛。将它记为“基质合成伴收缩表型候选”,比仅据这行数据给出已在沉积胶原的功能结论更贴近观察。

def candidate_pattern(row,panels,drop=None):
    supported=[]
    for name,genes in panels.items():
        hits=sum(int(row[g])>=2 for g in genes if g!=drop)
        if hits>=2:supported.append(name)
    return "+".join(sorted(supported)) if supported else "unresolved"

在参考图谱上选基因时,要同时看哪些近邻类别也会表达。人肺图谱把转录组与原位定位结合,发现不同的基质群可以共享收缩基因,而组织位置提供了另一条线索。跨器官周细胞研究还显示标记的适用范围随组织而变。可用这些研究为自己的器官挑候选,再在本队列的已知血管区域复核;把人肺的三项门槛整体移给鼠肾或瘢痕皮肤,需要重新评价覆盖率。人肺转录组与解剖定位图谱 · 跨器官周细胞标记的研究

混合与未定也占一个位置

让程序输出每套面板各有几项支持,再分配候选名。四位供者在本例中都有二十三颗阳性,各自分别贡献七颗基质合成伴收缩、六颗偏周细胞、五颗偏平滑肌、三颗双程序和两颗未定。把所有阳性一律改称肌成纤维细胞,会把二十八颗有基质支持的候选放大成九十二颗;只给前三类画饼图,又会从阳性分母里无声地删去二十颗。正文表格中的五行应当能相加回到最初的九十二,阴性则在人群覆盖表中另有去处。

阳性者中的表型 条码数 下一步看什么
基质合成伴收缩 28 回看胶原和基质基因是否同条码检出
偏周细胞 24 回看毛细血管内皮附近的定位
偏平滑肌 20 回看组织中结构化的肌层及取材部位
两套血管壁程序都有 12 回看条码深度、共表达与组织位置
三组证据均不足 8 标为未定,检查文库深度及面板覆盖
def annotate(row,panels):
    if int(row["ACTA2"])==0:return "ACTA2_undetected"
    state=candidate_pattern(row,panels)
    return {"matrix":"matrix_contractile","pericyte":"pericyte_like","smooth":"smooth_muscle_like",
            "pericyte+smooth":"mural_overlap","unresolved":"unresolved"}.get(state,"mixed_review")

双程序的十二颗值得单独输出。先看是不是少数高计数条码承担了全部重叠,再检查两组标记是否在同一条码同时出现。相邻的周细胞和平滑肌细胞分别表达不同基因,也可能让一整个簇的平均图出现“双阳性”;这和在单条码中观察到重叠的后续核对方法不同。即便原矩阵的确有双程序,连成一条渐变带也不能追认两种细胞之间的转化方向。要证明来源或命运,需要时间、示踪或适合该问题的其他独立证据。

用取材部位复查解释,别把标签当坐标

打开按组织块统计的表。模拟的瘢痕核心贡献二十颗基质合成伴收缩的候选,另外八颗来自混合活检。血管富集组织里有二十颗偏周细胞、二十颗偏平滑肌以及八颗重叠,余下四颗重叠来自混合活检。如果文章写“重叠的十二颗都贴着毛细血管”,这句话越过了采样记录允许的范围。可以写出八颗来自血管富集的组织块,并据此挑选值得复查的切片。手头有标本时,按供者取对应组织块,用内皮定位血管,再与候选标记共同成像,才能继续讨论这些细胞相对管壁的位置。

相反的结果同样值得追。假如胶原高的候选几乎全在血管富集管里,先问切的是整条含外膜血管,还是只分离了壁细胞。前一种样本出现血管外膜的基质细胞十分值得核实,后一种则要复核富集步骤、组织块记录和管间混样。把这些解释写在标本本身的记录旁边,会比单纯交换图例颜色更快找到应当补拍的区域。不同部位消化效率、组织体积与取样深度也会不同,这张计数表描述的是回收到的条码。

拿掉一个标记,看边界先从哪里松动

脚本会依次从每个面板剔除一个基因,其余门槛保持不变,记录在九十二个阳性者中有多少个组合随之改变。去掉 RGS5 或 CSPG4 都改变八颗,去掉 MYH11 或 CNN1 各改变四颗,去掉 PDGFRB 在这次模拟里没有改变任何条码。零变化只说明原来的判定在这份数据中有别的基因支撑,不能由此断定这个标记在下一批样本中无用。值得回看的往往是那八颗从有证据变为未定,或者从两套程序俱全变为只剩一套的细胞。把它们按供者和测序深度排一遍,可以找到最适合换标记、加深验证或补齐组织信息的样本。

热图使用每颗细胞按原文库深度换算到一万计数再取一加对数的数值,最后在类别内取平均。配色表示这张表的同一表达尺度,原始门槛则在未归一化计数上执行。把两者并排保留,既能把不同测序深度的图画得易读,也能从任何一个命名追溯到实际读到了多少分子。正式提交图稿时,可同时保存每位供者的分子分母、未定清单、面板版本及切片编号;下一位同事拿到文件,能从同一条码开始检查。

小示例在普通电脑就能跑。扩展到多个器官并逐供者反复测试标记组合时,可以把原始稀疏矩阵、面板配置和输出目录一道放到云生信科研服务器租赁,沿用本文命令重跑并保留各版结果。

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 ↗