成纤维细胞指向 T 细胞的箭头又粗又醒目。合作者问:“是哪几个患者支持这条线?”如果只剩一张圈图,你既说不清发送端有多少细胞读到了配体,也说不清受体是不是主要来自另一个患者。我们拿人类数据库里的 CXCL12 和 CXCR4 做一个小实验。先在六份模拟组织中真正运行 CellChat,再把模型得分拆回六张样本小表。做到最后,你能指出哪三份样本的两端都有较广泛的表达,哪两份各自只支持一端,以及哪一份两端证据都很薄。

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)
先看图例里那条边代表什么
同一幅圈图的边宽,有时是两个细胞群之间通过筛选的互作数量,有时是若干互作的聚合强度,有时才是指定单条配体与受体的模型分值。第一件事是记录绘图函数用的对象、通路或分子对、边的方向和缩放方式。若图例写的是整个趋化因子信号通路,就先导出具体分子对,自行选择想追查的一条。把一条粗线直接解释为某种配体分泌增加,会遗漏具体来源,还会把群体统计和分子测量混为一谈。本文固定成纤维细胞为发送群,T 细胞为接收群,只追 CXCL12 与 CXCR4 这一对。CellChat 原始方法
下载包里的表达数据是课堂模拟,共六百八十七颗细胞、六位模拟供者和三种细胞类型。配体与受体名称及方向查自实际安装的 CellChat 人类数据库。我们事先指定四个分子对,将原计数按每颗细胞的文库大小归一化并取对数,使用稳健的群体汇总方法,固定四十次置换,关闭群体比例加权。这样读者能把时间集中在“一个已经选好的候选如何复核”上。模拟计数覆盖一个有限面板,未进行全转录组的候选发现,也没有把示例当成真实患者的观察结果。作者的标准分析示例
第一次运行只查模型有没有给出这条边
实际拟合的表一行对应一个发送群、接收群和分子对。三个群、四组候选一共可以得到三十六行,要用这三个键同时筛选。成纤维细胞到 T 细胞的 CXCL12 与 CXCR4 得分约零点四七四;在同一对细胞群中换成另一个分子,或倒转方向,都需要重新查行。这个数字来自表达模型,不能读成百分之四十七的细胞实际接触或响应。该次四十轮置换导出的数值为零,也只能反映这套置换及软件估计的分辨率,不能写成在生物学上出错概率为零。
model_pairs <- function(expression, metadata, db, pair) {
metadata$cell_type <- droplevels(factor(metadata$cell_type))
obj <- createCellChat(object=Matrix(expression,sparse=TRUE),meta=metadata,group.by="cell_type")
obj@DB <- db
obj <- subsetData(obj)
obj <- computeCommunProb(obj, type="triMean", LR.use=pair,
population.size=FALSE, nboot=40, seed.use=71)
prob <- as.data.frame.table(obj@net$prob,responseName="probability",stringsAsFactors=FALSE)
names(prob)[1:3] <- c("sender","receiver","interaction")
pval <- as.data.frame.table(obj@net$pval,responseName="permutation_p",stringsAsFactors=FALSE)
prob$permutation_p <- pval$permutation_p
prob
}
若你准备比较两次运行的边宽,应先把坐标、权重范围和分子列表对齐。各画各的默认最大线宽,会让一个数值较小的图也出现同样粗的边。即便绘图比例统一,模型值还依赖群体平均的定义以及此前选择的细胞、归一化表达和数据库。本例在全部条码上算一次网络,再回到原始计数做样本内核验。后者检验模型预测有没有对应的表达覆盖,不能把简单的双端检出乘积标成重新运行出的 CellChat 得分。这两个数放在不同的列里,日后对照最清楚。
第二次运行,一端一端找分母
先在每位供者的成纤维细胞里统计 CXCL12 原始计数大于零的数量,再除以该供者的全部成纤维细胞数。到 T 细胞里用同一个规则统计 CXCR4。两列分母来自不同细胞群,不能都用该供者的总细胞数。再算两种表达强度:包含所有零值的组内均值,以及只在阳性细胞中计算的均值。少数细胞很亮和多数细胞都有少量表达,可能得到相近的全群平均;同时展示检出比例和这两种均值便能区分。没有阳性细胞时,只在阳性细胞计算的平均值应空缺。
def side_evidence(cells, cell_type, gene):
chosen = cells.loc[cells.cell_type == cell_type, gene]
return {"n": len(chosen), "detected": int(chosen.gt(0).sum()), "fraction": chosen.gt(0).mean(),
"mean_umi": chosen.mean(), "mean_positive": chosen[chosen > 0].mean()}
合在一起看,二百三十八个成纤维细胞中有二百零四个读到了配体,二百五十七个 T 细胞中有一百八十六个读到了受体。看似两端都很常见。但合并时,第一位供者有八十颗成纤维细胞,第六位只有十二颗,条码较多的样本自然更容易影响总体。将六张表拆开后,第四位有二十八颗成纤维细胞,约九成三读到配体,四十四颗 T 细胞却只有一颗读到受体。第五位恰好相反,十八颗成纤维细胞只有两颗有配体,二十四颗 T 细胞全部读到受体。两位各缺不同的一端,不能互相拼成一例双端证据。
| 样本 | 成纤维细胞 CXCL12 检出 | T 细胞 CXCR4 检出 | 教学规则下可写的观察 |
|---|---|---|---|
| S1 | 80/80 | 64/64 | 双端都广泛检出 |
| S4 | 26/28 | 1/44 | 接收端表达覆盖低 |
| S5 | 2/18 | 24/24 | 发送端表达覆盖低 |
| S6 | 1/12 | 2/20 | 两端均只有零星条码 |
换一道门槛,再读一次“支持数”
本文约定每端至少有十颗细胞,并要求各自至少四分之一的细胞读到相应基因。六位供者分为三位双端达标、一位仅配体达标、一位仅受体达标、一位均未达到。这个比例是整理证据用的教学刻度。捕获效率、细胞大小和基因的表达特性都影响零值,因此不能将下限套在任何组织上就称作有无通讯。你可以把所需细胞数改成二十,观察哪两个样本首先落入“覆盖不足”,随后查看原始分母,判断改变来自样本数量还是表达状态。对候选较少的组织,同样应把仍有少数阳性条码的样本保留下来供查看。
python -m pip install -r requirements.txt
python run.py --input example --out results
python run.py --input example --out more_cells --minimum 20
Rscript fit_cellchat.R example new-fit
从输出目录的逐供者表进入会比重画一张更花哨的总图有效。先挑一个双端都有信号的样本作为后续验证候选,再挑只在某一端表达的样本作比较。请尽量确认两个细胞群来自同一患者、同一取材区域和时间;若它们只是来自同一患者的不同切片,也要把取材关系写出来。单细胞解离后丢失了空间距离,即便同一份组织里两类细胞都很多,这一对细胞仍可能没有相邻过。可以用原位方法定位配体与受体蛋白,按组织区域统计空间邻近程度,再选取合适的功能实验。
箭头后面值得验证什么
还有一个读者能自己做的复核。将合并表中每颗阳性细胞的条码导出,回到原注释查看是否集中在群边界、低质量区域或带有另一谱系标记的细胞。如果某位供者的受体只在一颗条码读到,直接查看这颗细胞的总分子数和其他淋巴标记,要比报告一个经过四舍五入的百分数更有信息。复核前后都保留条码,这样对方在另一套注释里也能找到同一批细胞。
如果研究的是受体信号是否真的影响 T 细胞,可在固定成纤维细胞来源和 T 细胞状态的设计下比较干预前后读出。例如先确定能测的受体、迁移或合适的下游分子,再对配体或受体采取有对照的阻断,查看观察到的响应是否随之变化。还可以将替代配体、其他受体和细胞活性变化列入解释范围。这样写出来的研究假设包含细胞来源、分子、比较对象和可观测结果,合作者拿到下载表也能自己判断哪一份样本值得投入实验。
小面板下载包足够在本机完成全部查表和绘图。等你把问题扩展到几十份样本、多个细胞群和一批有待核实的分子对时,可以在云生信科研服务器租赁上保留各样本原始计数及每次 CellChat 输出,再用同一个脚本把每条候选接回表达矩阵。
