六位供者的 T 细胞在处理后都呈现更高的细胞毒性表达评分,配对线全部向上。这张图很容易被写成“处理让 T 细胞获得了更强的细胞毒性”。但有一个克隆在处理前只占一小部分,处理后却占到差不多一半,它的成员从一开始就有更高的细胞毒性标记。要区分群体构成变化与克隆内部状态变化,不需要另找一套宏大的算法。保留条码、患者和克隆键,对同一张表做三种有明确含义的平均,就能看清原先的趋势是谁贡献的。

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)
先问群体均值的分母是谁
随包数据是有已知生成机制的教学模拟。六位供者均有处理前后两份材料,每份一百八十个 T 细胞,总共二千一百六十颗。每个条码都有同一患者内的配对受体克隆标签、总 RNA 分子数,以及 NKG7、PRF1、GZMB、GNLY 四个基因的原始计数。模拟时让一类高表达克隆在处理后占据更多条码,其他克隆有不同的基线,但同一克隆的表达生成规则在处理前后相同。实际数据中不知道生成机制,因此这套检查的用途是寻找值得进一步解释的变化来源,不是先假设所有变化都由克隆扩增强行解释。
我们对每个细胞按其完整文库总数归一化到一万,再对每个基因取一加对数,最后取四个基因的平均作为本文的描述评分。先归一化、取对数再平均,与先将全组原始分子数相加后归一化,回答的问题不同。四个基因反映一部分细胞毒性相关转录程序,基因表达不能直接给出靶细胞死亡率。真实项目要另交代签名选择、低深度条码过滤和是否混入 NK、双细胞或其他状态。单细胞转录与受体的条码配对可以提供成员信息,实验功能仍需独立读出。Wu 等的配对受体与转录组研究
第一种平均最接近组织中随机抽到的一颗细胞
在每位供者的每个条件里,不分克隆,直接对所有细胞的评分求均值。一个克隆有九十颗就贡献九十次,只有一颗就贡献一次。若你的问题是“在这份样本中随便取一颗 T 细胞,平均能观察到怎样的转录状态”,这恰好是想要的权重。例中六人的处理后减处理前都为正,最小约零点四七七,最大约零点七二三,配对差中位数约零点五七九。此时可以报告样本中细胞总体的平均表达升高,但还不能把它归因为每个克隆内成员各自增强。
拿第四位供者具体看。处理前最大克隆贡献二十八颗,处理后贡献九十二颗,两边各一百八十颗;处理后的这一克隆已经超过半数。按细胞平均的评分从约一点九七一升至二点四六六。此时即使这九十多颗细胞维持与过去相近的表达分布,只要它们在分母中的份额提高,群体均值就容易上升。如果将评分中位数也画出来,它对比例过半的群体同样敏感,不能只换个汇总统计量就声称已经控制了克隆扩增。
第二种平均,让每个观察到的克隆各投一次票
先在同一位患者、同一个条件、同一个克隆内计算成员评分均值,再对这些克隆均值取算术平均,每个克隆权重相同。这样样本中占一半的那个克隆,与只发现一颗的克隆在第二步里都只占一份。这能回答“随机选一个观察到的克隆,其平均状态是否改变”,但单例克隆的均值不稳定,跟踪到的克隆清单在两个条件下也可能不同。所以要一并给出每个克隆的样本量,保留那些只在一侧出现的克隆,不要把其缺测的一侧补成零表达。
def compare_weights(cells, removed):
clone_means=cells.groupby("paired_clone").cytotoxic_score.mean()
rest=cells.loc[~cells.paired_clone.isin(removed)]
return {"cell_weighted":cells.cytotoxic_score.mean(),"equal_clone":clone_means.mean(),
"remove_dominant":rest.cytotoxic_score.mean(),"cells":len(cells),
"clones":len(clone_means),"cells_after_removal":len(rest)}
改成等权后,六位供者的配对差中位数约负零点零零九。第四位的评分分别约一点八二七和一点七一九,变化方向也反转。这个结果并不推翻群体均值,两个统计量分别用细胞数和克隆数作分母。若后续要进一步剖析,可再限定只在两个条件都测到的同一克隆,比较内部均值和成员状态比例。本题合计有一百一十八条患者内、两侧均观察到的克隆记录;六人各自在自己的键空间中计算,不能因为编号都叫零号克隆就跨患者合并。
| 对照 | 第四位处理前 | 第四位处理后 | 该列看什么 |
|---|---|---|---|
| 全部细胞等权 | 1.971 | 2.466 | 组织中所测 T 细胞的总体状态 |
| 每个克隆等权 | 1.827 | 1.719 | 观察到的典型克隆如何变化 |
| 两侧去掉同一优势克隆 | 1.735 | 1.581 | 其余被测细胞是否仍同向 |
第三种检查,两侧都移除同一个克隆
先在预先指定的处理后条件确定最大克隆,然后在同一个患者的处理前、处理后都排除这一受体键。如果两边分别删掉各自的第一名,有可能删掉两个不同的生物学克隆,最后的差异就无法归到某个已指明的来源。若并列最大,本文把所有并列键一起记录、一起移除,并将剩余分母写入条件表。真实项目还可以预先设定排除最大两个或设定丰度门槛;应保留所有版本,免得事后只挑出最符合预期的那一种。
def matched_dominant(cells, reference):
reference_cells=cells.loc[cells.condition==reference]
size=reference_cells.paired_clone.value_counts()
if size.empty:
raise ValueError("Missing reference condition")
return sorted(size.index[size==size.max()].tolist())
同一优势克隆两侧移除后,六对差的中位数约为零点零零五,各人的方向不再一致。第四位的两侧分别剩一百五十二和八十八颗,其中剩余细胞的均值甚至略降。想验证这段结论可以把逐条码表按这位供者和这个克隆筛开,用纸笔对两个子群求加权和:全部条码均值等于优势克隆均值乘其比例,加上其余条码均值乘剩余比例。分别代入处理前和处理后,便能直观看见变化的哪一部分来自权重,哪一部分来自各组分自身的表达。
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 rechecked
怎样把组成变化和功能假设放进同一份结论
如果实验目标是描述治疗后整个 T 细胞库的状态,优势克隆的扩增本身可能是值得研究的结果,不能因为删掉之后差异消失就把这批细胞从主结果丢掉。可以写明总体评分升高,在克隆等权和去除同一优势克隆后,配对差变小,随后指出具体哪些克隆扩增以及其成员有何共同表型。如果要论证治疗让原有克隆的细胞改变功能,则应回看两侧都测到、且两端成员数足够的同一克隆,结合蛋白或受控功能实验检验杀伤能力是否真的变化。
另一个需披露的边界是采样。同一高频克隆在一次取材里被反复捕获,表示它在所测组织和细胞分选条件下占比高,不保证整个肿瘤各区域都有同样比例。可以将空间来源、处理时间和每次测到的有效链数放进附表,逐个检查是哪一类区域主导了变化。给实验组挑后续样本时,既选有明显扩增的供者,也保留扩增弱或没有扩增的比较样本,以免只能观察到支持原假设的一类组织。
把这三张小表一起交给合作者,他就能区分“组织内细胞的平均状态”和“同一受体克隆的成员是否改变”。下载包可直接重跑所有模拟;扩展到多个时间点或完整配对链队列时,可以把冻结的克隆键和三种权重的中间结果放到云生信科研服务器租赁上分患者计算,最后再按统一的状态和分母汇总。
