单细胞分析

同一套干扰素基因拿去算 UCell,为什么一批样本的分数特别低?

作者:发布于 2026-11-17约 8 分钟阅读
同一批刺激细胞的干扰素 UCell 中位分由 0.852 降至 0.691,条码不变,仅以二成概率保留原始 UMI

用同一张干扰素基因表给两批单核细胞打分,一批颗颗都很亮,另一批却贴着色标底端。最容易写下的解释是第二批细胞没有响应。先做一个可以反驳自己的实验:把第一批里原封不动的条码留下,只在原始计数上随机少保留一些分子,重新用 UCell 打分。研究对象没有变,分数会不会动?随文有八位供者的真实输入、三套实际拟合结果和可以修改的 R 代码,读者可以逐项分清识别名、覆盖、测量深度与真正的处理差别。

同一批刺激细胞的干扰素 UCell 中位分由 0.852 降至 0.691,条码不变,仅以二成概率保留原始 UMI

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)

先把参与排序的基因宇宙找回来

UCell 根据一颗细胞内基因表达的相对名次计算基因集得分,关注签名基因是否靠近排序前端。它不需要把另一位患者的所有细胞当作数值参照,但仍依赖这颗细胞里实际测到了哪些基因、这些基因排在什么位置。只把八个感兴趣的基因导出,交给它在八行的小矩阵上排名,会改变整个比较背景。这里从公开对象保留一万五千七百零六个 RNA 特征,用原始计数为每颗细胞产生排序,另外保留逐条码的总计数,方便检查深度。UCell 原始论文

先报清楚有哪些患者和条件。八位供者的经典单核细胞分别取自离体干扰素刺激或对照,两侧都按固定种子各抽六十颗,得到九百六十个条码。这里按供者均衡抽样,是为了使读者不会因为某位患者测了几千颗就只看到他一个人的分布。抽样改变了展示的条码数,真实样本中的原始回收数量可从公开对象追溯。后面的低深度场景则在同一组条码上生成,两者含义必须分清。Kang 等的供者与刺激设计

python -m pip install -r requirements.txt
python run.py --input example --out results
# 若想从整份随文计数重算排名和受控降深
Rscript fit_ucell.R example example/fit

第一道检查只比较名字,还不需要打分

输入名单是 ISG15、IFIT1、IFIT3、MX1、OAS1、IFI6、IFITM3 和 STAT1,八个原始人基因符号在这份矩阵中都有对应行。把它们换成首字母大写其余小写的写法,原样匹配则是八个中零个。这个错误可能仍能生成一张颜色很淡的图,也可能让软件直接停止。不管界面怎样响应,都先导出“提交名、命中行、未命中原因”的小表,再处理后续分数。若原数据是 Ensembl 稳定编号,就应按对应物种和注释版本建立映射;若来自小鼠,要查同源关系,有一对多映射时保留决策记录。

def coverage(signature,universe):
    avail=set(universe);present=[g for g in signature if g in avail];missing=[g for g in signature if g not in avail]
    return present,missing

接着区分三个不同层次。名单有八个成员并且八行都在矩阵中,说明技术覆盖名册完整;某颗细胞在八行中只有一项非零,说明那颗细胞只观测到一项;那一项是否在所有基因中排名靠前,又是分数打量的内容。矩阵中完全没有某行与有某行、但这批细胞全为零,处理方法也不同。前者需要查注释、筛选或靶向面板,后者要回到文库深度、生物学背景和检测能力。把这三种情况塞进一列“未表达”,后面所有解释都很难复核。

相同条码,单独改变保留分子的概率

在每一个非零基因计数上,按二项分布以五分之一概率独立保留分子,随后重算每颗的排名。每颗细胞抽薄后的总分子数会波动,并非强行固定为原来的五分之一。这里抽的是已经得到的去重计数,不等价于从 FASTQ 重做测序降采样,也不会模拟组织解离、捕获化学反应以及重新识别细胞的过程。它能单独回答一个范围很窄但很实用的问题:当条码身份和所用基因都不变,少观察到一些分子能否带来足以在图上看见的评分变化?

set.seed(61)
shallow<-x
shallow@x<-as.numeric(rbinom(length(x@x),size=x@x,prob=.20))
shallow<-drop0(shallow)
a<-score(x,signature)
b<-score(shallow,signature)
c<-score(x,partial)

刺激侧四百八十颗的中位总计数从二千三百九十四变为四百七十四点五,每颗检出的基因数中位数从六百六十九变为二百二十点五,八个面板成员中检出数的中位数由七项变为六项。原始 UCell 中位分约零点八五二,抽薄后约零点六九一。八位供者各自的刺激样本都出现中位分下降。对照侧的原始中位分约零点〇八一,抽薄后为零,面板中位检出数从一项变为零。小数形式的中位数来自偶数个观测的中间两项平均,每颗细胞的真实基因数和分子数仍然都是整数。

场景 对照侧分数中位数 刺激侧分数中位数 改变的因素
原始计数、完整八个基因 0.081 0.852 作为参照
原条码、以 20% 概率保留 UMI 0.000 0.691 原始计数深度
原深度、只保留名单后四个成员 0.000 0.730 签名组成

少了四个成员,为什么不能继续借用旧签名的解释

第三次评分保持原始计数和所有排序背景不动,只把面板改为 OAS1、IFI6、IFITM3、STAT1 四个成员。这四条在表达矩阵中仍是四条全覆盖,但相对于原来的签名只保留了一半。在刺激侧得分中位数约零点七三〇。由此可以识别一个常见报告陷阱:把“提交的四个全部找到”写成“原始八基因通路覆盖百分之百”。随文结果分别列出了提交数、实际命中数和原始名称,读者换用靶向检测面板时,可以另外报告与原参考签名的交集。哪几个基因缺失也要保留,因为少掉的几个可能恰好是这类细胞中最能反映刺激的成员。

本例明确记录了排名截断参数一千五百、并列名次取平均、软件版本二点六点一。作者随后更新过归一化公式,使用不同版本重新拟合时,首先对齐参数、输入特征及版本,再解释精确数值差异。把一张项目图的旧色标直接套在另一批新版本输出上,可能让微小的数值差看起来像明显的状态分离。可以先挑几十个共同条码,两套流程各算一遍同一数据,看单细胞分数是否能在允许的误差内复现。UCell 作者对版本与归一化的说明

如何写出值得追的低分样本

把真实供者按条件分面,在每位供者同一谱系中并排看库深度、面板命中数、各基因原始计数和 UCell 分布。一位供者若所有样本共同承受浅测,低分可优先检查技术因素;若深度和特征覆盖都接近,却只有刺激后的某一类状态持续低分,再去检查受体、相关转录本、样本处理和采样时间。做结论时写清“这位患者的这批细胞在该面板上的排名得分偏低”,并指出哪几项观察排除了部分替代解释。要证明功能响应受损,还需要适合的问题与独立实验读出。

给自己的结果做最后一次反查,可以随机抽一个评分为零的条码,在完整计数表中定位八个成员,确认零来自未检出、排名截断还是输入名册没有对应行。再挑一个降深前后变化最大的条码,核对是真有成员掉到零,还是几个基因的相对次序发生变化。哪怕最终只在论文里放一张颜色图,也应保留这些可复算的例子,方便之后把疑问追到实际细胞。

还可以在刺激和对照内分别比较幅度。原本很低的对照样本有些已经贴近零,继续抽薄时中位数无法再明显下降;这会让相同干预在两组看起来大小不同。把所有条码放进一张总体散点图可能看不出这个下界,保留对照和刺激的分层图,才能判断零分占比增加具体发生在哪一侧。

九百六十颗的示例在本机即可复查。若要在整批样本上为多个面板反复做受控降深,可以把保留完整背景的稀疏矩阵和参数文件带到云生信科研服务器租赁,分批保存每个供者的审查结果。

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 ↗