单细胞分析

骨髓里一群祖细胞更偏向哪条谱系?怎样读 CellRank 的命运概率?

作者:发布于 2026-11-17约 10 分钟阅读
骨髓分叉教学图,对照两套终末定义和一百六十个祖细胞的红系到达概率

如果一个骨髓祖细胞旁边写着“红系 0.63”,在组会上你会怎么解释?有人会把它读成“这个细胞已经是红系”,有人会拿整批祖细胞的平均数去预测培养皿里能长出多少红细胞。要回答这两个问题,先把图上的小数追到它的出生地。在这篇练习里,你会亲手找到一个红系概率约为零点六三的条码,沿着它核对方向先验、终末细胞和同一条码的第二次拟合。等这些东西都看清楚,再决定结果里哪些字值得写进论文。

骨髓分叉教学图,对照两套终末定义和一百六十个祖细胞的红系到达概率

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)

从一颗祖细胞开始读

下载包中的骨髓分叉是教学模拟,四个模拟供者各有一百二十个细胞,每人都取四十个早期、四十个红系支路和四十个髓系支路细胞。打开输入表,找到第一位供者的第一个条码。它检测到七个 CD34 分子,一个 ALAS2 分子,HBB 和两个髓系标记均为零。仅凭这些计数,很难给这颗早期细胞安排成熟归宿。查看拟合概率表,同一条码在严格条件下通往红系的值约为零点六二九,通往髓系的值约为零点三七一。两个数字合起来接近一,分别保留会比给表格再加一列“红系细胞”更方便复核。

为什么此刻看起来像祖细胞,模型却有一些方向上的偏好?这里的图把状态相近的细胞连接起来,先验时间给这些路径提供前进的倾向。从这个条码出发,沿有向转移走,较容易先到达被指定为红系的那批终末细胞。CellRank 解的是这张图上的吸收概率;只要改变哪些节点被设为终点、哪些邻居允许连边或者哪一头是较晚状态,出发条码的结果就可能变化。实验没有追踪单颗细胞的后代,所以这个数字还需要独立的谱系信息来检验。CellRank 官方命运概率示例

在同一张图上圈两套终末

练习刻意把连边坐标、早晚依据和用于圈终末的标记分开放。两列几何坐标来自模拟器提供的分叉状态,每个细胞选取参数为二十二的近邻图,方向用模拟器给定的相对时间。五个标记计数用于解释和选择终末。已知模拟标签用于事后分组,不传给估计器。这种安排方便在两次试验间把变量锁住;真实骨髓里用表达估计低维坐标,又用同一组基因验证轨迹,就不能照搬这里的独立程度。可以改用另外一套有实验依据的标记,或在构图时暂时移除待验证标记,看看主要路径是否还在。

给红系终末同时要求 HBB、ALAS2 达到下限,LYZ、S100A8 均低于三。给髓系终末则交换两对标记。严格定义要求相对时间至少零点八八,正标记计数至少七。较宽定义把时间下限调至零点七四,计数下限调至四,负标记规则维持一致。先看两套定义各自圈中多少条码、来自哪些供者,再看改变圈法后祖细胞的结果。下面的代码直接取自拟合脚本,把时间和分子阈值写在函数参数里,复制到新样本时可以看见每一次修改。

def terminal_groups(t,cut,min_marker):
    late=t.time_prior>=cut
    erythroid=t.index[late&(t.HBB>=min_marker)&(t.ALAS2>=min_marker)&(t.LYZ<3)&(t.S100A8<3)]
    myeloid=t.index[late&(t.LYZ>=min_marker)&(t.S100A8>=min_marker)&(t.HBB<3)&(t.ALAS2<3)]
    if not len(erythroid) or not len(myeloid):raise ValueError("Missing independently marked terminals.")
    return {"erythroid":list(erythroid),"myeloid":list(myeloid)}
检查对象 严格定义 较宽定义
红系终末条码 32 个 72 个
髓系终末条码 29 个 57 个
用于计算的有向图 同一批 480 个细胞 沿用同一转移矩阵
用于比较的祖细胞 同一批 160 个 按条码一一配对

圈终末时容易出现一个误解。某个作为红系终点的细胞得到红系概率一,这是求解时给出的边界条件。把所有这些点涂成最亮的色块,不能再拿同一个色块证明红系标记有预测能力。图上用橙色空心圈标出了被指定的终末,可以先遮住它们,再看尚未参与圈定的过渡区。一个供者如果独占了一条分支的终末,最好把这项信息直接写进图注,并在另一个供者的独立数据中查看相应标记,而不是通过增加颜色层次来加强信心。

拆开一个概率小数的三项检查

解压后安装基础依赖,先运行复核脚本。它读入已用 CellRank 拟合的两套完整结果,核对概率范围、每行之和和条码集合,再核对每个终末条码在指定谱系的边界值。拟合用的稀疏转移矩阵也一并提供,可以检查行数是否等于输入细胞数、每行转移权重是否归一。若要从输入重新计算,另装拟合依赖,在一个新文件夹里输出结果,保留原包中的拟合表供比对。下载包内保留了实际运行时的软件版本。

python -m pip install -r requirements.txt
python run.py --input example --out results
python -m pip install -r requirements-refit.txt
python fit_cellrank.py example example/fit-new

第一次检查针对表是否完整。同一细胞在概率表中出现两行,是两个不同设定;如果一种设定里出现两行相同条码,脚本会要求查明原因。数值中有空缺时,先找掉了哪批细胞。把缺失补为零,会平白造出“这个终末不可达”的结论。列名也要按谱系名对齐,不能凭导出软件碰巧把红系列排在第一列,就默认第二份文件的第一列仍是红系。独立练习时可复制数据并打乱其中一份表的行,再运行一次,按标识符合并得到的结果应一致。

def paired_probabilities(table):
    if table.duplicated(["barcode", "definition"]).any():
        raise ValueError("A barcode has duplicate probability rows")
    paired = table.pivot(index="barcode", columns="definition", values="erythroid")
    if set(paired) != {"strict", "broader"} or paired.isna().any().any():
        raise ValueError("Both named definitions must include every barcode")
    paired["absolute_change"] = (paired.broader - paired.strict).abs()
    paired["crossed_half"] = (paired.broader > .5) != (paired.strict > .5)
    return paired

第二次检查针对祖细胞的分布。严格条件下,一百六十颗祖细胞的红系概率中位数约为零点五九三,第十、第九十百分位约为零点五四一和零点六六三。这两个百分位说的是这些条码在模拟图上的分布范围,不能替代单颗细胞概率的置信区间。有时作者把零点五当成硬线,过线就分给红系。这个例子中如此分组会丢掉不少信息,读者看不到一颗接近均分的祖细胞与一个几乎已经走到末端的细胞之间隔着多远。可以同时列出两列概率和概率熵,后者接近一比特时表示两个候选方向较为均衡。

第三次检查针对谁变了。逐条码求较宽和严格条件下的红系概率差,一百六十颗祖细胞中绝对差中位数约为零点零零零三八,最大约零点零零一三六,没有条码因为这两套条件越过零点五。这里能写的是“更换这组合理的终末边界,早期条码的结果接近”。还有可能漏掉第三条路径,图也可能把两种彼此靠近的状态连错。本例只扰动了终末定义,未检验方向依据、近邻大小、稀疏采样或未观察群体。把每一种实际试过的设定写出来,比给结果笼统贴一个“稳定”标签更准确。

换成自己的骨髓数据

先在样本清单里区分供者、批次、时间和采材条件。记录哪些谱系在实验设计上有机会被捕捉,哪些末端细胞可能因分选、裂红、富集或建库而变少。若取材只覆盖早期状态,应该先缩小问题,例如观察早期细胞在已测通路之间的相对倾向;训练一个模型不会自动补齐成熟群缺口。接着以每名供者为单位画终末标记与覆盖,给没有支持的供者留空。把各供者的中位数和细胞数并排,能发现一位供者拉动全部细胞汇总的情形。若要比较治疗前后,实验重复数来自患者及配对设计,不能拿每颗细胞的概率当作一名新受试者。

若项目目的是找到后续实验对象,可先挑出两种终末定义中排序接近、并且在多个供者都出现的早期亚群。再寻找分选时能测的表面标记,采用独立培养、克隆追踪或时间分层取材检验其中的预测,并记录哪些在预期另一个方向的细胞也应入组充当对照。这样的证据能把“一张图上的到达概率”逐步接到“可观察的后代组成”上。下载包的小矩阵适合在电脑上把两种定义来回重跑;若要为多个样本分别保留整张稀疏转移图和多套拟合,可以在云生信科研服务器租赁上按供者保存图、终末清单及版本,再逐条码汇总。

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 ↗