单细胞分析

某位患者只有 2 个树突状细胞,这个 pseudobulk 样本怎么处理?

作者:发布于 2026-11-17约 8 分钟阅读
树突状细胞单样本最低门槛设为 2、10、20、30、40、50 时,保留的完整供者配对依次为 8、7、6、4、1、0

有位患者在树突状细胞这一栏只有两颗。把它放进差异模型,担心一颗高表达细胞就能拖动整份样本;删掉它,又可能连这位患者另一侧的标本一起失去。先做一个可复算的小实验:保留原始全部条码,只把一份样本有意缩小到两颗,依次改变每侧最低细胞数。每档都记下还剩几位独立供者、目标基因效应有多大,以及什么时候配对设计已经无法回答问题。这样看见的是决定的代价,而不只是一条看上去很整齐的过滤线。

树突状细胞单样本最低门槛设为 2、10、20、30、40、50 时,保留的完整供者配对依次为 8、7、6、4、1、0

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)

把真实数据与教学抽取分别记下来

公开研究来自八位狼疮供者的外周血,各自有对照与离体干扰素刺激材料。本篇使用已注释为树突状细胞的五百二十九个条码,保留原始 RNA 计数和供者身份。选择编号一〇三九的供者,对照侧原本有十颗,把条码按可复核的顺序排列,只让前两颗进入本次练习,其余八颗依然留在下载的原始矩阵。刺激侧的十八颗全部保留。因此后文提到“两颗”是我们刻意构造的低覆盖情况,不能写成原论文原本只测到两颗。Kang 等的原始研究 · muscat 的样本与亚群覆盖示例

为什么要保留被取走的细胞?读者可以直接撤回这一步,在完整矩阵上再做一次分析。还可以将保留的两个条码换为原十颗中的另外两个,检查低覆盖导致的结果是否取决于个别细胞。字典序是不依赖目标表达的确定性规则,便于任何人在不同电脑上选到同一批条码;它不会让这两颗成为能代表此人所有树突状细胞的随机样本。若研究问题就是量化抽取本身的波动,应在每位供者内部反复随机取样并记录种子。

python -m pip install -r requirements.txt
python run.py --input example --out results
Rscript fit_gates.R example example/fit
affected <- which(cells$donor=="patient_1039" & cells$condition=="ctrl")
ordered <- affected[order(cells$barcode[affected],method="radix")]
stopifnot(length(ordered)==10)
included <- rep(TRUE,nrow(cells))
included[ordered[-c(1,2)]] <- FALSE

看两颗有多深,也看它们代表多少种状态

把受控缩减后的两颗逐列求和,得到九千零四十九个分子计数;该患者刺激侧十八颗共有五万五千七百五十四个。两颗不等于没有测到任何分子,所以不能把本列替换为一串零。反过来,它们的合计计数看上去还不少,也不能据此宣布这份样本覆盖了患者体内不同成熟度、不同活化水平的树突状细胞。总计数反映了对这两颗细胞采到多少分子,细胞数影响这次抽取覆盖了多大范围的细胞差异。这两个量值得同时列在图里。

真实队列还可以往前追问。若同一文库的其他免疫细胞也很少,先看取材量、细胞活性、捕获总数和质量过滤的损失;若只有树突状细胞少,应再看注释边界、组织来源和是否存在其他相关亚群。把一类细胞低回收视为生物学结论,需要额外排查制备和检测过程。项目中若某份样本一颗树突状细胞也没有,该类型的表达均值和表达模型信息都缺失,而总体组成分析中它仍可能是一份真实测了许多细胞、此类观测数为零的样本。两个分析应各自记录这个状态。

每加一道门槛,重新数一遍完整的患者

配对研究有三个数必须分开算。先数对照侧满足门槛的供者,再数刺激侧,最后取两侧供者编号的交集。以每侧三十颗为例,对照有四人合格,刺激有五人,交集四人。提高到四十颗,对照三人、刺激两人,但只有一人两侧都够。再提到五十颗,两边看起来都有一位供者,却恰好是不同的人,交集为零。只看实验组样本数或拿两边的较小值当作配对数,会凭空凑出一对没有发生过的比较。

每份样本最低细胞数 合格对照供者 合格刺激供者 完整供者对 本例处理
2 8 8 8 拟合
10 7 8 7 拟合
20 6 6 6 拟合
30 4 5 4 拟合
40 3 2 1 仅报告覆盖
50 1 1 0 仅报告覆盖
def pair_coverage(counts,threshold):
    donors=sorted({k[0] for k in counts})
    ctrl={d for d in donors if counts[d,"ctrl"]>=threshold}
    stim={d for d in donors if counts[d,"stim"]>=threshold}
    return ctrl,stim,sorted(ctrl&stim)

这里预先为演示设置了至少三对才尝试拟合的规则。它用来说明何时应停止出表,不能当作任何队列都够用的统计学保证。一对只支持描述一个人两份样本的变化,具有供者项和条件项的配对设计也没有剩余的组内误差自由度。正式研究应再看研究设计、效应精度、条件和协变量是否可分,以及有没有足够独立供者代表目标人群。门槛删去的如果恰好是一类反应特别强或病情特别重的病人,剩余分析所适用的人群也会改变。

固定比较基因,再看效应和不确定性

程序在四档具备足够配对的范围各自过滤低表达基因,再取这些可检验基因的交集。得到的一千三百八十二个基因用于四次真实的配对拟合,每次在保留的样本上重新计算归一化和离散度。这样读者可以比较同一基因的效应,同时知道每档多重校正使用的是同一组检验。若只保留每次显著的前十名,两张名单不同时很难判断基因真的变了、根本没过表达过滤,还是因为排名边缘震荡。下载包把这些中间结果也留了下来。

ISG15 在四档的配对模型效应约为六点七一、六点七四、六点五八、六点七六,方向一致,单位是以二为底的对数倍数。IFIT1 四次也在八点三三至八点五七之间。这个结果能支持一句具体的话:对于本例的两个强响应基因,在列出的四种纳入方案下,响应方向一致。其他基因需要各自查看,不能凭两个预期会响应干扰素的基因给整张结果表盖章。请对照校正后的概率,它们也没有随样本数单调变化。选最小概率那档再把它描述为预设标准,会隐藏调参对结果的影响。

把敏感性结果写成能执行的决定

如果低覆盖样本代表重要病人,又有充分取材信息可核对,可以在预设主分析以外列出纳入它的结果,并在图上用不同形状标识这两颗的样本。报告时写明哪一档用于主结果、有哪些患者在更严格门槛下消失,以及论文最关注的基因是否改方向。效应变化较大的候选值得回查分子数和患者散点,一个在所有高覆盖样本中都很低、只在两颗之一偏高的基因,其后续验证对象与所有患者都一致响应的基因会不同。真实研究还应报告区间或其他精度信息,样本不足时清楚保留描述性结果。

也可以将原来的十颗全部恢复,再另外抽两颗做对照。把两次输出目录分别命名,在同一张表里核对原始条码、细胞数、总分子数与样本编号。若只改变这八颗的选择,却发现其他供者的原始单核或树突状细胞总数也跟着变了,很可能是合并元数据时丢失了一组条码。这个小检查能在真正提交整批模型前发现输入问题,也能使读者从任意一行统计结果退回到真实样本。

交稿前可以专门查一遍最后两档的结果文件。这里应有覆盖数和停止原因,没有基因效应;不能把没有拟合的一格填成零倍变化,也不能把没有检验的一格填为一再并入全部基因的校正。读者沿着空格追到供者交集,才知道缺的是生物学重复,还是目标基因的表达证据。

这些门槛用随文的小矩阵就能试清楚。需要把同一套门槛遍历整个队列的多个稀有类型时,可以把稀疏矩阵和患者覆盖表带到云生信科研服务器租赁批量运行,保存每档仍可回答的比较。

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 ↗