单细胞分析

细胞状态在 UMAP 上连成一片,Monocle 3 的拟时序起点放在哪里?

作者:发布于 2026-11-17约 9 分钟阅读
两个早期根的全体排序相关约 0.927,但位于最早五分之一的条码只重叠 41 个;换末端根后峰序反转

在 UMAP 左下角点一个细胞作起点,一张从蓝到黄的拟时序图就出来了。把起点改到右边,再画一遍,同一个基因可能从“最早上升”变为“最后出现”。怎样让起点有可以说明的依据?这篇用一份含四个采样时点的模拟数据,实际运行 Monocle 3 生成一张主图,在同一张图上换三个起点。读者可以下载每一种起点对应的条码和每颗细胞的距离,亲自检查哪些结果稳定,哪些结论完全依赖起点设置。

两个早期根的全体排序相关约 0.927,但位于最早五分之一的条码只重叠 41 个;换末端根后峰序反转

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“最早”换成可查的取材或状态

数据含四位模拟供者、四百四十二颗细胞和五十六个基因,状态先共用一段起始路径,之后朝两端分开。每颗细胞有采样日,数字从零到三;另存了用于教学验证的真实生成位置和所属支路。图的拟合只用表达矩阵,不把真实支路或生成位置喂给模型。这样可以让现实中无法观察的生成信息只承担事后复核的作用。正式项目若仅是一次手术取下的肿瘤,没有独立采样日,不能把图中的某个角落自动当作时间零,最好事先写明由哪些可验证的标记、外部时间信息或实验知识支持候选根。

本例有两个不同的“早”。第一种是整个采样过程中首日样本的典型细胞;第二种是第一天、仍有较强早期标记的一组细胞,可代表已经启动的一段活动的起始附近。它们对应的生物学提问不完全相同。如果想从收集到的最早组织状态讲起,取首日有依据;如果要从早期激活阶段作为局部观察起点,第二种也可以说明理由。为观察方向敏感性,还额外用晚期甲支标记高的末端设一次根。这是一个故意的方向检查,没有把末端候选当成真正的早期状态。Monocle 3 官方轨迹与起点示例

python -m pip install -r requirements.txt
python run.py --input example --out results
Rscript fit_monocle.R example example/fit

固定主图,只让起点变化

从原始非负计数进行预处理,用固定随机种子计算 UMAP,然后聚类、学习主图,三个根都在同一个已经拟合的对象上调用细胞排序。每种候选先由采样日和标记形成一批条码,再在该候选集合的二维坐标中找靠近坐标中位位置的成员。这里的坐标帮助在符合生物学条件的候选中挑一颗代表,并没有要求根一定在整张图的左边、中心或某个特别醒目的端点。所有规则和最终条码一起写入文件,下一次加载对象就不必请另一位同事用鼠标重新点一遍。

representative<-function(ids,coords) {
  subset<-coords[ids,,drop=FALSE]
  centre<-apply(subset,2,median)
  rownames(subset)[which.min(rowSums(sweep(subset,2,centre,"-")^2))]
}
day0<-tab$barcode[tab$day==0]
early_markers<-tab$EARLY1+tab$EARLY2
early_day1<-tab$barcode[tab$day==1 & early_markers>=quantile(early_markers[tab$day==1],.60)]
lateA<-tab$barcode[tab$day==3 & tab$A_LATE>tab$B_LATE]
roots<-vapply(list(first_sample=day0,activated_early=early_day1,late_sensitivity=lateA),
              representative,character(1),coords=coords)
times<-sapply(roots,function(b)pseudotime(order_cells(cds,root_cells=b)))

随文模拟来源已知,只放在一张连通的主图上学习,不闭合成环。真实组织的图可能有多个没有连接的分区。若根只指定在其中一处,另一些区域的拟时序可能为无穷,表示从这个根走不到。不能把这些值替换为一个特别大的数字,再说那批细胞“分化最晚”。应先画出各分区是否有相同的起始证据,再决定分别分析、为有关分区给出合理的根,还是标为此问题无法排序。本次三次都有四百四十二个有限值,这一计数是核对前提,不是软件永远如此。

全局相关很高,早期候选却可以换掉一半

逐条码连接首日根与早期激活根对应的拟时序,秩相关约零点九二七。很多项目到这一步可能就会写“两个起点结果一致”。但若研究者下一步要从最早的五分之一细胞里挑提供起始标记的候选,两张名单的交集只有四十一颗,并集一百三十七颗。每边选中大约八十九颗,只能说大体排序相近,却不能把两份早期名单当作同一批细胞。交付时同时报告秩相关与目标集合交并,能把全局和局部看起来矛盾的现象说得很清楚。

def rank_overlap(x,y):
    keep=np.isfinite(x)&np.isfinite(y)
    xx=x[keep];yy=y[keep]
    if len(xx)<3:raise ValueError("Too few cells reachable from both roots.")
    ea=set(np.flatnonzero(xx<=np.quantile(xx,.2)));eb=set(np.flatnonzero(yy<=np.quantile(yy,.2)))
    return len(xx),float(spearmanr(xx,yy).statistic),len(ea&eb),len(ea|eb)

按独立采样日再看一遍。首日根下,零、一、二、三日的拟时序中位数约为一点二〇、六点三七、二十二点五〇和二十五点六七,整体随采样日向后移动。早期激活根下,零日中位数约三点五六,第一日约二点一八,前两个时点交换次序,后两天仍较晚。把甲支末端当根时,零日中位数约二十四,第三日约零点八一,方向则倒转得更明显。这里的零、一、二、三是模拟采样日,算法返回的一点二和二十五点七是图距离,不能用两个图距离相减来估计两次状态实际相隔多少小时。

根的独立依据 实际代表条码 与首日的对照 同一支上早、中、晚标记峰所在的六等份
第零日代表 D4_stem_005 参照 1、3、6
第一天且早期标记较高 D3_stem_024 全局相关约 0.927 3、2、6
第三天的甲支晚期候选 D3_A_031 全局相关约 0.159 6、4、1

只在同一条生物路径上检查基因先后

若把两条终末分支全部混在一起画趋势,一条支路特有的基因会被另一条路上的零冲淡。小例子将共用前段和甲支放在一起,在每个根对应的顺序上切成细胞数接近的六段,对预先规定的早、中、晚标记计算归一化平均。首日根下峰值连续落在第一、第三、第六段;以末端为根,分别改为第六、第四、第一段。同一颗细胞的原始 RNA 表达一直没变,改变的是“在这张图的遍历方向上,它们先后被遇到”的解释。看到基因峰序翻转时,先检查方向,再去解释调控顺序。

用早期激活根时,早期标记的均值最高落到了第三段,中间标记落在第二段。这一处特别适合回到条码验证:位于新根之前的首次取样细胞和新根之后的过渡细胞,沿图到根都可能有较短距离,却代表不同历史位置。把它们排成单一列表很容易把两侧混在同一段。若研究只关心激活之后,可以限定有合理起点的后续支路,同时报告被排除的早期细胞;若想讨论整段发育,则要让采样记录与方向解释保持一致。

用这些结果决定可以写到哪一步

真实数据还需要逐个供者检查最早集合的组成。如果只有一名供者在最早采样日有足够细胞,算法的选择可能同时在追踪这个人的批次特征。可以把不同供者的早期条码分别作为根再复算,查看核心基因的先后是否稳定,同时保留末端缺失或样本没有覆盖的分支。若有实际时间序列、谱系示踪或独立实验,优先用它们核对方向。没有这类信息时,可以描述沿指定根观察到的相对排序,不宜把一个横截面条码直接宣布为另一颗细胞的祖先。

另一个容易忽略的细节是保存用于建图的随机种子和原始坐标。当这三个根都换完后,可以先把绘图用的每颗坐标逐行比较,确认没有任何位置变化,再展示不同的颜色梯度。这样模型重新走过图带来的变化,就不会与重算降维带来的随机旋转和局部邻居变化混在一起。

每次交付建议把根的选择规则、所选条码、分区处理、无法到达的细胞数和关注分支列在同一页。这样下一位合作者看到“最早出现”时,就可以问清相对于哪个根、在哪条分支、最早集合包含哪些患者,向实验团队提出的验证也更具体。小示例在普通电脑便可复核;如果要在多个队列上逐患者更换候选根,可以将同一套表达矩阵、根清单和脚本放到云生信科研服务器租赁,保留各版排序供交叉核对。

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 ↗