单细胞分析

转录组里明明有 T 细胞,为什么有些条码在 V(D)J 表里找不到?

作者:发布于 2026-11-17约 10 分钟阅读
两份文库共有二百四十个 RNA 细胞,用短条码错误合并会多连四十一个;一百三十三个 T 细胞里五十九个有配对生产性链

在转录组里能看到一大片 T 细胞,接入受体测序的注释后,它们却几乎全都没有 TCR。换一行代码把样本前缀删除,匹配率一下子升高,连部分髓系细胞也多出了受体。哪一次连接做对了?这篇练习给你两份会用到相同短条码的模拟文库,第一种写法会得到零个匹配,第二种会多连四十一个细胞。先把连接问题解决,再把没有读到免疫受体的原因拆成几层,最后分别计算各类 RNA 细胞的受体和完整配对检出率。

两份文库共有二百四十个 RNA 细胞,用短条码错误合并会多连四十一个;一百三十三个 T 细胞里五十九个有配对生产性链

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)

拿到两份交付,先确认是否来自同一批细胞

基因表达与免疫受体通常是不同的测序文库。只有它们来自同一捕获体系、并且能通过同一原始细胞条码对应时,才有资格按行合并。来自同一位患者、同一天抽血,也不能保证两个独立上机的液滴包含同一颗细胞。先从实验交接表找出供者、取材、捕获反应、GEX 文库、富集类型和文库编号。若一个文库富集的是 B 细胞受体,另一份想查常规 αβ TCR,就要先确认是不是选错文件。要判断单个 T 细胞为什么没有受体,这些信息比在表达图上反复调标签更直接。10x 的 V(D)J 输出字段

随包构造两个模拟捕获文库,每份有一百二十个 RNA 条码。为了演示合并后的陷阱,两份文库刻意复用相同的短条码序列。RNA 对象里的完整名字由文库前缀加原始条码组成,而受体表仍按交付格式保存原条码和文库列。将带前缀的完整标识符直接与裸条码判断相等,会得到零个匹配。此时不能直接下结论说建库失败,先各抽五行标识符,把相同捕获中的前后缀差别标出来,核对行名中是否还藏有患者、样本、合并批次或化学版本信息。

为什么只删前缀也会把结果算错

把所有 RNA 完整编号都削成短条码,然后在两份受体表的并集中寻找,看起来有一百五十个过滤后匹配。其实有四十一个 RNA 条码在自己那份文库并没有过滤后的受体记录,借用了另一份文库中的同名条码。真正按“捕获文库加原条码”组合键匹配,只剩一百零九个。上百个命中看似合理,恰恰比零个命中更难让人发现错误。下载包逐条列出这四十一个误连的 RNA 编号,你可以抽其中任何一个,到两份文库各查其 contig,然后回到 RNA 的类型标签看串库怎样影响结果。

建议把原始条码留在独立字段,只在必要时另建统一键。尾部的短横线和数字可能来自原始液滴编号,也可能在对象合并过程中被重新编号;不要对所有字符串做不受限制的替换。一个可验证的步骤是先在每份 GEX 文库中检查组合键是否唯一,再检查过滤表中的每条 contig 能否在相同文库的未过滤表中找到。一个细胞允许有多条记录,因此要对“文库、条码、contig 编号”的组合检查重复,不能强制整个受体表一个条码只能有一行。否则真实的两条链都会被你提前删掉一条。

def receptor_funnel(gex, all_contigs, filtered):
    keys=["library","barcode"]
    index=gex.set_index(keys,verify_integrity=True)
    full=all_contigs.set_index(keys+["contig_id"],verify_integrity=True)
    kept=filtered.set_index(keys+["contig_id"],verify_integrity=True)
    if not kept.index.isin(full.index).all():
        raise ValueError("A filtered contig is missing from the unfiltered library")
    result=index[["gex_id","cell_type"]].copy()
    result["any_contig"]=result.index.isin(full.index.droplevel("contig_id"))
    result["filtered_contig"]=result.index.isin(kept.index.droplevel("contig_id"))
    valid=filtered.loc[filtered.productive.eq(True)&filtered.chain.isin(["TRA","TRB"])]
    for chain in ["TRA","TRB"]:
        chains=valid.loc[valid.chain==chain,keys].drop_duplicates().set_index(keys)
        result["productive_"+chain]=result.index.isin(chains.index)
    result["any_productive"]=result.productive_TRA|result.productive_TRB
    result["paired_productive"]=result.productive_TRA&result.productive_TRB
    return result.reset_index()

对 T 细胞依次问四个有分母的问题

第一步在全部 RNA 注释 T 细胞中,问多少有任意未过滤 contig。第二步问多少进入过滤表,初步区分“根本没有可追踪的组装”和“有组装但过滤后没留下”。第三步再查链类型和生产性字段,保留至少一条生产性 TRA 或 TRB 的条码。最后分别标记两条链都存在的条码。如果你要识别 αβ 配对克隆,还应继续审查每种链是否唯一、多条候选的质量和选择方式。本例只回答存在与否。字段中的 productive 是重排注释给出的状态,不能直接证明蛋白表达或受体对抗原具有功能。AIRR 重排数据标准

同一份 RNA 注释里的问题 模拟 T 细胞数 分母
转录组标为 T 133 该次研究的 RNA T 细胞
能找到任意原始 contig 117 133
至少有一条过滤后 contig 107 133
至少有一条生产性 α 或 β 链 105 133
同一条码同时有生产性 α 和 β 59 133

这些数字可以拿来做一道查错题。有十六颗 RNA 注释的 T 细胞在原始 contig 表里完全无记录,此时从过滤阈值开始查通常找不到直接证据。另有十颗在原始表出现、过滤表却没有记录,应该先把这个捕获里的组装质量、细胞判定和原软件过滤记录拿出来。还有两颗在过滤表里有记录,但在示例限定的两种链中没有生产性链。最后,至少一条有效链的一百零五颗中仅五十九颗同时获得两种链;只分析双链会进一步改变入组人群。任一层的失去都不能解释为细胞生物学上没有 TCR。

看分母变化,也要看看非 T 群

二百四十个 RNA 条码中还有四十二个标为 NK,三十个标为 B,三十五个标为髓系。模拟 NK 群有两颗出现生产性 TCR,但没有一颗同时有生产性双链。看到这样的记录,先查同一捕获的对接和该条码的 RNA 谱系证据,再看是否可能是模糊注释、双细胞、环境或误组装信号。不能仅凭一条受体就把所有类似条码改成 T,也不能因为现有 RNA 标签是 NK 就把有意义的序列自动丢弃。实际组织里可能存在表型接近的细胞状态,复核材料应包括原始 UMI、链证据与标记基因,而不仅仅是图上的标签。

反过来,原始受体表中有一个条码根本没有进入 RNA 细胞清单。这条记录在计算“RNA T 细胞中受体检出率”时没有分母归属,脚本单列它,但不会为了让两表看起来大小一致而强行塞入某一个 RNA 群。若项目问的是“所有受体组装的条码中,多少有基因表达注释”,分母要转成受体条码,答案会不同。写方法时最好在表头直接写清计数单位是细胞还是 contig,哪一份输入定义可入组的细胞,以及那种链的“有效”需要满足哪些条件。

python -m pip install -r requirements.txt
python run.py --input example --out results
python make_example.py --out regenerated
python run.py --input regenerated --out rerun

把缺失原因交回实验记录

两份文库的结果还可以拿来做一次很快的人工复算。第一份六十八颗 RNA 注释 T 细胞里,五十四颗至少有一条生产性链,三十颗同时有两条;第二份六十五颗中则是五十一颗和二十九颗。把各个分子相加能找回总体的数字,但直接把两个百分数平均未必等于总体比率。比较文库间质量时看分别的分数,报告整批入组情况时再按共同分母汇总。两种写法在这里数值很接近,在细胞数相差几十倍时就可能差很多。

在真实单细胞项目里,若某份文库在所有 RNA 类型里都比其他文库低一截,先按文库检查配对设计、参考物种、链富集类型和测序质量。若主要缺口在过滤阶段,则保留具体 contig 和条码,查看对应版本的过滤标准。若缺口只出现在配对链阶段,可考虑分别报告单链与双链结果,写清以两条链为定义的分析会遗漏谁。这还可以帮助读者判断另一个样本看起来更多样,是克隆结构不同,还是这个样本只是更容易获得完整双链。

随包的逐条码表足以复查每一步,改动任一文库的前缀后也可以再演一遍同样的问题。等到需要同时处理很多捕获、同步保存原始和过滤后的受体文件时,可以将文库对照表和版本固定的核对脚本放到云生信科研服务器租赁上批量运行,最后只合并已经确认来源的细胞。

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 ↗