同一份外周血,流式报告上 CD8 占比接近四分之一,单细胞图里却只有一成多。实验同事怀疑建库丢了细胞,分析同事怀疑流式门画得太宽。先把两份报告翻回原始整数,事情常常更直观:流式分母可能是活淋巴细胞,单细胞分母却是上机后所有有标签的条码。练习里有十二份配对记录,对齐时间和分母后,CD8 的绝对差中位数从十二个多百分点降到不到一个半。还有一份样本始终差得很大。我们把这两类情况都保留下来。

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)
第一件事是找准“同一个样本”
下载包使用透明的模拟计数,接近研究里常见的交接形式:一份清单记录取材组织、时间和标本标识,另一份表列两种平台各细胞群的整数。它不是从流式仪导出的事件文件,也不提供真实患者结果,所以读者不需要流式软件就能操练方法。即便两个文件都标某位患者,如果流式来自治疗前、单细胞来自治疗后,人是同一个,也不能直接解释成平台偏差。本例第十二份在两个时间点有差异,脚本保留它的各栏数字,在用于一致性评价的表中只统计时间相符的十一份。
需要进一步核对的是组织来源和处理过程。外周全血、分离后的单个核细胞、冻存后解冻的淋巴细胞有不同取样空间。若一侧来自消化后的实体组织,另一侧来自附近淋巴结,门再漂亮也不是物理上的同一标本。对每一份配对要尽可能保留分样时间、处理批次、活率和富集策略。某个平台如果有意事先去除一种细胞,它在成分表中偏少并不等同于测量错误。把这些信息放进清单,别人才能辨别是可比较的一份分样,还是两个本应分别描述的样本。
第二件事是画出亲本门,再决定分母
流式报告中的百分比一般属于某个亲本门。CD8 阳性占所有采集事件、占活的单细胞、占 CD45 阳性免疫细胞、占淋巴细胞或占 T 细胞,分子相同也会得出完全不同的百分比。单细胞注释同样可以把图的分母设置成全部捕获条码、通过质控的细胞、免疫细胞、或者只剩某类谱系的对象。我们在代码里给每个对照明写两侧各自允许进入的群,并先验算分子确实是分母的子集。遇到未知门或缺一项计数时,不猜测默认值,直接回到原报告查明。MIFlowCyt 关于门控与分母的要求
def fraction(table,targets,denominator):
if not set(targets).issubset(denominator):raise ValueError("Target outside parent gate")
count=table.reindex(denominator,fill_value=0).sum()
if not count:return np.nan
return table.reindex(targets,fill_value=0).sum()/count
练习的“报告原样”设置里,流式分母是四类淋巴细胞,单细胞分母覆盖全部已记录类别,包括非免疫和低质量事件。它是一个故意制造的口径错配。第二个设置将两边都限制到活的免疫细胞,第三个再将两边都限制到同一组淋巴谱系。实际项目中,单细胞质控只近似对应活细胞门,并不能真的在转录矩阵中复原流式的散射和活性染色;应说明哪些定义可对应、哪些只能作为经验近似。若真实流式百分数是以 CD3 阳性为分母,四类淋巴细胞也不是合适的替代。
| CD8 的比较定义 | 可配对标本 | 绝对差中位数 | 最大绝对差 |
|---|---|---|---|
| 两份报告原有的不同分母 | 11 | 12.11 个百分点 | 23.37 个百分点 |
| 两侧均用活免疫细胞 | 11 | 3.02 个百分点 | 11.14 个百分点 |
| 两侧均用淋巴细胞 | 11 | 1.47 个百分点 | 13.25 个百分点 |
用方向明确的配对差,找真正需要回查的标本
我们定义每样本的差为单细胞比例减流式比例,再乘一百,单位是百分点。百分之二十减百分之十五等于五个百分点,两者的相对增加却是三分之一,不应混称百分之五。将十一份样本的有符号差和绝对差都保留。前者观察是否普遍偏向某一平台,后者描述偏差大小。单看相关系数很危险,两套方法完全可以在每位供者中都稳定相差十个百分点,却因为样本从低到高的排序一致而高度相关。配对连线图和差值表能直接显示哪些样本在哪个方向偏离。规范记录流式实验的原始论文
python -m pip install -r requirements.txt
python run.py --input example --out results
打开异常表,样本 S04 在流式中有一千八百八十八个 CD8 事件,亲本淋巴门七千七百零三个,约为百分之二十四点五。同样分母定义下,单细胞有一百二十三个对应条码,淋巴群一千零九十二颗,约为百分之十一点三。两侧仍然相差负十三点二五个百分点。更换成共同分母后大多数样本的偏差缩小,并没有要求每份标本都完全相等。这个样本最适合回查释放、冻存、富集、细胞注释和门边界。模拟中我们刻意降低它的某类回收率,读者可以打开生成函数验证;真实研究中则需要仪器、实验和分析三方的原始证据。
import pandas as pd
r = pd.read_csv("results/paired_fractions.tsv", sep="\t")
case = r[r["sample"].eq("S04") & r.definition.eq("CD8_T_within_lymph")]
print(case[["flow_n","flow_denom","scrna_n","scrna_denom","delta_percentage_points"]])
谱系名称一样,阳性定义也可能不同
流式通常依据多个抗体门逐步判断一个事件属于哪类,单细胞则可能使用转录标记、参考映射或聚类注释。单细胞中只要一个 CD8 相关转录本就归为 CD8 T,会把部分其他细胞带进来;若一定要多个标记均检出,又可能排除低深度 T 细胞。比较前应写清两侧各自对双阳性、双阴性、未分类和疑似双细胞的处理。未分类应该保留一栏,不能因为某一边的标签更细,就悄悄把它无法映射的部分丢出分母。对最有争议的边界,可分别跑严格与宽松两套映射,其他口径固定,记录哪些样本最受影响。
另一种信号是成分的连带变化。在共同的淋巴分母里,如果单细胞少回收到一类,那么即使 B 和 NK 的绝对数量没有增加,它们的相对比例也会被抬高。因此发现多个亚群同时偏差时,不宜直接写成多个谱系都独立发生扩增。若研究需要比较绝对细胞数量,应考虑额外的计数珠、已知体积或外部计数依据。只有各自平台的百分数时,能最稳妥讨论的是在给定分母下的相对组成,而不是从比例倒推出每毫升血液中究竟有多少细胞。
拿到新的真实样本时,可以先两人各自独立做一次映射。让负责流式的同事只写事件数、亲本及门控顺序,让负责单细胞的同事只写对应标签、去掉哪些条码及最终分母。交换两份说明后再合并。若两人对 NK 和带有细胞毒特征的 T 细胞划界不同,就在有争议的人群上另出一张交叉表,并把异常样本在两套口径下的位置都画出来。真正能减少返工的常是这些具体映射,而不是一个统一但含义不清的标签。
还应记录数值最小的亲本门有多少事件。如果一侧只有几十颗有效淋巴细胞,多一两颗就能产生几个百分点的变化。这样的标本可以如实列出,解释时与拥有几千事件的标本分开讨论,并保留绝对数供后续重新评估。
做完对照,交给合作者的不妨就是这三件东西:配对样本身份表,每个常用比例的分子及亲本门,以及按差值排序的原始计数。让同事任选一行手算,再抽查一个明显偏离的样本。这比单独给出“两个平台总体一致”的一句话更能帮助决定要补哪份实验。需要对许多组织、门控方案和单细胞注释版本逐批复算时,再根据原始矩阵大小与需要保留的版本选择云生信科研服务器租赁。
