同一批细胞,只用 RNA 分出了六群,只用抗体分了九群,用加权近邻又分出八群。有人会问,哪一张图“分得最准”?在找标准答案以前,先看一个能直接验证的事情:对同一颗细胞,这三张图分别把谁当作它的邻居?下面用真实 CITE-seq 数据为九百个完全相同的条码构建 RNA、ADT 和 WNN 三张图。你会拿到每个条码的三份邻居名单、两种模态权重和归类结果,还能回到原计数判断为什么一个焦点细胞的邻居会换人。

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)
比图之前先确认确实是同一批细胞
公开实验同时测量脐血细胞转录组和十三种抗体。我们按物种分子数挑出人 RNA 占比至少九成、整个人 RNA 库至少三百五十个分子的条码,再固定种子抽九百颗。保留至少八颗细胞中读到的基因,共一万零一百三十二个。每颗的原始整库人 RNA 总数另列在元数据里,避免过滤基因后改变归一化所用分母。抗体保留实测十三项、原始计数与相同条码。取交集时先明确条码集合,再在软件中逐行核对顺序,这比看两个表都刚好有九百行更可靠。CITE-seq 原始研究
同一条码可有同源基因的 RNA 与蛋白测量,但十三种蛋白不能代表整个人类转录组。抗体面板更擅长区分其中专门测量的表面分子,RNA 则可能反映抗体没有覆盖的干扰素、代谢或细胞周期状态。反过来,有些细胞中相关 RNA 几乎没有被读到,表面标记的抗体计数仍能区分细胞。建立两张单模态图时,应先检查各自的质量、抗体背景和覆盖,而不是先指定其中一种观测天然更准确。两种测量可能在大类上大体一致,在大类内部挑选近邻时却相当不同。
三张图具体用了什么信息
RNA 按全库深度归一化,对数变换后挑选七百个变异特征,标准化并做主成分分析,建图时用前十五个主成分。ADT 用适用于该面板的 CLR 归一化后进行标准化、主成分分析,取前八个维度。两种单模态图均设置邻居数二十,在归一化的低维表示中查邻居。WNN 输入这两种低维表示,按每颗细胞局部的预测信息学习两种模态的相对权重,然后从候选邻居中选出加权邻居。权重由数据与参数估计,不能读成这颗细胞里有百分之多少是 RNA、百分之多少是蛋白。Seurat 官方 WNN 示例
obj <- FindMultiModalNeighbors(obj, reduction.list=list("pca","apca"),
dims.list=list(1:15,1:8), k.nn=20, knn.range=100,
modality.weight.name=c("RNA.weight","ADT.weight"),verbose=FALSE)
obj <- FindNeighbors(obj,reduction="pca",dims=1:15,k.param=20,
l2.norm=TRUE,graph.name=c("rna_nn","rna_snn"),verbose=FALSE)
obj <- FindNeighbors(obj,reduction="apca",dims=1:8,k.param=20,
l2.norm=TRUE,graph.name=c("adt_nn","adt_snn"),verbose=FALSE)
三张图分别按同一分辨率和算法聚类,得到六、九、八个簇。即使分辨率参数相同,不同图的边与密度也不相同,所以群数本身无法说明生物学上哪一种分法正确。输出的 RNA 对 ADT 簇交叉表按真实成员条码填数,不比较簇的数字标签。一个模态中的零号簇不必对应另一个模态的零号簇,正如同一个簇拆成两个后,软件重新编号也不代表细胞突然有了新的谱系。若要比较哪个群主要由哪些群拆出来,应按成员重叠和已知标记解释。
不看二维坐标,直接量出邻居换了多少
对每颗细胞,把两张图的邻居分别看成集合,计算交集大小除以并集大小。两份名单完全相同得一,没有共同条码得零。分析时去掉自己与自己的边,并按实际导出的名单大小计算,本次单模态每颗剩十九个非自身邻居,WNN 列表有二十个非自身邻居。若人为固定把交集除以二十,就变成另一种重合比例,不能再标为 Jaccard。脚本还检查是否有重复的边、缺顶点或哪个条码只在一张图出现。这些错误都可能导致非常低的重合率,却与生物学没有关系。
def jaccard(first, second):
union=first|second
return len(first&second)/len(union) if union else np.nan
| 比较的两张图 | 实际邻居集合 Jaccard 中位数 | 具体读法 |
|---|---|---|
| RNA 与 ADT | 0.0556 | 同一细胞的局部邻居名单往往不同 |
| RNA 与 WNN | 0.1818 | 加权图保留了部分转录邻居 |
| ADT 与 WNN | 0.5600 | 在此实验与参数下,加权图的邻居整体更接近蛋白图 |
九百颗中,有一百八十二颗的 RNA 和抗体名单一个邻居也不共享。出现这种情况并不必然等于群体标签冲突。例如两张图都把一颗细胞圈在很大的髓系区域里,一张按转录活化状态细分,另一张按 CD14 和 CD16 表面水平细分;即便两份十九人名单完全不同,它们的成员仍可能大多具有相似的大类标记。应当抽一颗真实条码,把两组邻居的分子证据列出来,而不是从“交集为零”直接跳到“其一错分”。
跟着一个条码查看它的三圈邻居
配套脚本按两种单模态重合率最低、条码字典序最前选出焦点,选择过程不依赖标记表达。其原始 CD3D 和 MS4A1 RNA 都为零,CD3、CD19、CD14 的抗体计数分别六十、四十三和四百四十二,估计 RNA 权重约零点四七二。它的 RNA 邻居中 CD14 抗体计数中位数为三百二十九,ADT 邻居中为五百六十九,WNN 邻居中约四百三十三。这里只能说在该局部几何中,三份名单保留的表面表达层次不同。CD14 计数没有和该抗体的实验背景一起判断前,不宜仅根据这一个数给焦点条码确定细胞类型。
全批 RNA 权重中位数约零点四零四,两项权重在每颗细胞中加起来为一。若某位读者发现自己数据里同一批次的条码普遍蛋白权重都很低,先查抗体浓度、测序深度、背景和面板适用范围,再检查标准化和主成分选择。把 ADT 权重低直接写成“这个患者没有免疫表型变化”,会把局部邻居预测能力误当作了生物学表达量。还可以按谱系或供者分别画权重分布,再查看各组是否只是受极少数浅测序条码影响。WNN 原始方法
python -m pip install -r requirements.txt
python run.py --input example --out results
Rscript fit_wnn.R example new-fit
合并图到底帮助解决了哪类分歧
自己挑一处拆分时,可以先在交叉表中选择某个 RNA 簇,把分往两个不同抗体簇的细胞分别导出。保持相同的坐标范围,比较两组细胞中每种抗体的原计数分布,再查看对应转录标记的阳性比例。若只有少数表面分子明显变化,分裂可能主要来自这个面板专门捕获的状态;若很多抗体同时升高且伴随较高的总标签数,就值得重新审查抗体文库深度与背景。把这个定位步骤写入附表,换一批抗体后仍能知道哪些比较可以保留。
另一个细节是低维坐标的选择也会改变邻居。可以固定条码和归一化规则,仅调整合理的主成分个数,再重建三张图。把原来毫无交集的条码拿来复查,记录哪些因参数轻微改变而恢复重叠、哪些在不同参数下仍看到相近的标记分歧。这样的检查比拿两张旋转角度不同的二维散点图直接比形状更容易解释。
若关注的是淋巴谱系内部亚型,先为这个问题选一套独立的标记组合,检查分歧处的 RNA 与蛋白是否有彼此可解释的依据。对 RNA 一致但表面抗原变化明显的区域,可单独报告蛋白状态;对蛋白相近但转录程序发生变化的区域,可给出跨样本的基因程序证据。WNN 提供一种把两种邻域信息结合的表示,未强制两份观测对每个问题给出相同回答。换数据时应把单模态图留着,用它们作为定位分歧的证据,并记录图中实际近邻的取法。
随包矩阵可以从头重建全部三张图,也可直接换一个条码查看自己的邻居证据。把同样方法推广到多批抗体或多个供者时,可以在云生信科研服务器租赁上保存每种模态的输入、图边和权重表,然后比较那些在不同取材中反复出现的局部差异。
