单细胞分析

单细胞数据太稀疏,怎样用 metacell 找共表达模块,又保住供者差异?

作者:发布于 2026-11-17约 11 分钟阅读
一百四十八个 metacell 中的九十四基因模块,在八名供者刺激后均升高,注意原条码复用与深度相关

同一位供者、同一类单核细胞里,两个干扰素相关基因有时像是轮流出现。你能在这颗细胞里读到其中一个,在旁边那颗又只读到另一个。若把所有细胞混在一起算相关,稀疏性、实验条件和供者差异都会影响相关系数。把相近细胞聚成 metacell 可以增加共同观测,但如果同一个聚合里已经混入不同供者,想再追问每位供者是否都出现同样的模块就很难了。本文从八位供者的真实单核细胞出发,先限定谁可以聚在一起,再把共表达模块一直追到它来自哪些原始细胞。

一百四十八个 metacell 中的九十四基因模块,在八名供者刺激后均升高,注意原条码复用与深度相关

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)

从哪一批细胞建网

公开实验对多名供者的免疫细胞分别保留对照,并进行干扰素刺激。练习使用原注释里的经典单核细胞,每个供者、每个条件固定随机抽七十二个条码,共一千一百五十二颗。原始计数来自同一个公开对象,另外保留按所有基因计算的每个细胞文库深度。在配套小表里,我们有意缩小基因背景,选入常见基因、一组预先声明的干扰素标记和部分随机抽取的其他基因,共二百五十七个。这个设计让读者能快速重建网络,也意味着标记基因容易被看到;后面的模块不能直接当作在全转录组中无偏发现的清单。Kang 等的原始实验

先在细胞表里交叉统计供者和处理条件,再看细胞类型有无混入其他谱系。每一格能取到相同的细胞数,是因为这里实行了平衡抽样。自己实验中没有测到的那一格会留空,不能随机从别的供者取几颗补进去。原对象一颗细胞的全库分子数也要跟随条码保留;缩成二百多个基因之后才求行和,会把很多已被移除的分子当作没有测到,刺激时集体升高的基因还会改变面板内部的分母。这个容易漏掉的细节也会改变下面用于聚合的主成分。

聚合前,先明确允许谁成为邻居

我们用整个文库的原始分子总数归一化面板,再缩放并计算主成分。在细胞类型、供者和刺激条件三列完全相同的范围内,hdWGCNA 才用前十个主成分寻找邻近状态。每个聚合用十二颗细胞,计数按基因相加,同一分组内两份聚合最多共享四颗原始细胞。函数中的目标聚合数是尝试达到的目标,实际获得多少要看邻域结构和重叠限制。过早把不同处理条件消除掉,会让同一聚合同时代表对照和刺激,也就无法再用这个聚合判断刺激后的变化。hdWGCNA 作者的分组聚合示例

obj <- MetacellsByGroups(obj, group.by=c("cell_type","donor","condition"),
                         ident.group="cell_type", reduction="pca", dims=1:10,
                         k=12, min_cells=40, max_shared=4, target_metacells=12,
                         mode="sum", max_iter=1500)
mc <- GetMetacellObject(obj)

本次产生一百四十八个 metacell,每个正好含十二颗,共有一千七百七十六条成员记录。按条码去重后却只覆盖九百九十七颗细胞。一个原始细胞可以在同一分组的多个聚合中出现,也会有细胞没有被任何一个聚合选中。若有人把一千七百七十六写成“参加分析的一千七百七十六个细胞”,这张成员表就能纠正计数。下载的输出按每个输入条码列出入选次数,包含一次也没出现的细胞。将它接回低深度区域或罕见亚群,能发现哪些状态在建网时被低估。

核实每个聚合确实来自一个供者

聚合结果中的名字带有供者,仍值得做一次独立验证。我们把成员清单按原条码接回细胞表,给每个聚合重新计算供者、条件、类型的不同取值数,三列都应只有一个取值。接着把十二颗细胞的全库深度相加,与聚合表里的深度逐个对照。这样做也能发现两份样本复用了短条码、在合并输入时丢失样本前缀等问题。假如同一个短条码在两份文库里都存在,应先创建包含样本身份的键,再进行匹配。文末下载包中保留了这段可以直接移用的检查。

def validate_membership(members, cells, metacells):
    if members.duplicated(["metacell", "barcode"]).any():
        raise ValueError("A cell occurs twice in one metacell")
    joined = members.join(cells[["donor", "condition", "cell_type", "original_total_umi"]], on="barcode", validate="many_to_one")
    if joined.isna().any().any():
        raise ValueError("A barcode in membership is missing from sample metadata")
    by = joined.groupby("metacell")
    if (by[["donor", "condition", "cell_type"]].nunique() != 1).any().any():
        raise ValueError("A metacell crosses a biological stratum")
    if set(metacells.index) != set(by.groups):
        raise ValueError("Metacell identifiers differ")
    for col in ["donor", "condition"]:
        if not (by[col].first() == metacells[col].sort_index()).all():
            raise ValueError("Metacell origin differs from its constituent barcodes")
    if not np.array_equal(by.original_total_umi.sum(), metacells.library_sum.sort_index()):
        raise ValueError("Library totals are inconsistent")
    return joined
输出 在这次运行里看什么 能发现的问题
membership_totals.tsv 原始 1,152 颗,去重覆盖 997 颗 用成员数充当原细胞数
barcode_reuse.tsv 每个原始条码分别贡献多少次 某种状态很少被聚合选中
module_inventory.tsv 已分配模块与灰色未分配集合 把所有基因都解释成模块
paired_donors.tsv 每位供者各自的对照、刺激和差 总体趋势由单个供者主导

从有符号网络得到一个可以回查的模块

聚合后的面板按十二颗细胞的全库总分子数重新归一化,随后用同一类型的 metacell 构建有符号网络。我们固定软阈值幂六、最小模块十二个基因,用拓扑重叠和层次聚类识别共同变化的基因。幂六是本次小面板练习的指定参数。正式数据应查看候选幂下的连接度与网络拟合表现,同时改变合理参数检查模块是否反复出现。给网络输入表达矩阵时也要确认方向,行代表作为观察的聚合,列代表基因。把矩阵转反仍可能算出聚类树,但树叶便不再对应你想研究的分子。hdWGCNA 原始方法

obj <- ConstructNetwork(obj, soft_power=6, networkType="signed", TOMType="signed",
                        deepSplit=2, minModuleSize=12, mergeCutHeight=.20,
                        tom_name="monocytes", tom_outdir=tempdir(), overwrite_tom=TRUE,
                        nThreads=1)
mods <- GetModules(obj)[,c("gene_name","module","color")]

得到的两个有色模块分别含九十四和一百二十三个基因,另有四十个灰色未分配基因。预先声明的二十二个干扰素标记都在九十四基因的蓝色模块中。颜色只是这次运行给模块分配的名字。换一批细胞后,即使同一组基因再次聚在一起,颜色也可能变化,应该以共享基因和成员覆盖来认同一模块。挑选这个模块使用的是预设标记命中数,所以下一步在同一面板看到这些标记富集,只能用来说明我们在描述哪个模块;若要声称发现新的刺激响应程序,还需要独立的样本或另外冻结的基因清单。

把模块分别还给八位供者

为便于读者手算,我们将每个聚合中的九十四个归一化对数表达取算术平均,明确定义为模块均分。这里没有将第一主成分的模块特征向量或跨供者校正后的分数冒充为算术平均。再在每位供者的同一条件下取聚合分数的中位数,配对相减。八位供者均为刺激后升高。例如编号一零一的供者从约一点三九升到二点四三,一零一六从约一点六二升到二点四六。选一位供者、选一个聚合,从导出的表达表按模块基因列表手动取均值,就能核对整张图都在画什么。

然后把同一分数对上十二颗细胞原始文库深度之和。全部聚合中,两者的秩相关约零点四一,单看对照约零点五五,单看刺激约零点七一。分组后仍相关,提示基因检出、细胞大小或其他与深度一起变化的因素仍可能影响均分;光有归一化这一步不能证明这些影响已经清除。读者可以按供者画散点,在相近深度范围内重复比较,或重新分层抽样,再看配对结果是否一致。这项检查也提醒我们,虽然有一百四十八个聚合,可用于评估跨人一致性的仍来自八位供者。

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

如果你准备把这段结果交给合作者,可以给对方三份小表:带原始条码的成员表、带明确基因名字的模块表,以及供者各自的条件差与深度。合作者可以先判断构成和覆盖,再决定是否值得扩到完整背景,或对某个可能受深度影响的基因做独立验证。随包小面板可以在本机重算;需要对整批细胞比较多个软阈值、保存大型拓扑重叠矩阵时,可以把固定的选样表和聚合规则带到云生信科研服务器租赁上重建各版网络,再用同一份基因清单逐一比对。

把知识用于当前任务

把方法直接跑起来

使用单细胞在线分析入口,减少环境配置和重复操作。

打开单细胞工具仍有疑问,联系客服 ↗