IF 36.1,还得是Nature methods啊!单细胞和空间转录组王炸组合,全新分析方法推断细胞间通信驱动的细胞间流动

文摘   2024-11-06 19:00   上海  


今天大麦为大家带来一篇由国外研究团队发表在“Nature methods”上的文章,看完这篇,不得不再一次感叹医学领域大佬们的思路啊!这篇主要研究方法用了大家比较熟悉的单细胞测序和空间转录组,当然这两个金牌组合也是近期比较火热的分析手段,大麦已经不是第一次写啦(没认真听课的宝子们去翻翻往期文章哦)!
总之,这篇研究介绍了一种名为FlowSig的新方法,使用了图形因果建模条件独立性测试来构建描述细胞间流动的网络,能够从单细胞RNA测序(scRNA-seq)和空间转录组学(ST)数据中推断出由细胞间通信驱动的细胞间流动模式。此外,作者还提到了FlowSig在分析非空间scRNA-seq数据和ST数据时的不同之处,以及如何通过条件不变性测试和图形模型学习来推断细胞间流动。感兴趣的小伙伴们素来学习吧!
Ps:如果你也有想把单细胞测序和空转运用到课题中,却不知从何入手,别犹豫!大麦就在这里,会为你提供课题思路和生信分析。只需轻松一扫,即可与大麦建立联系!

定制生信分析

云服务器租赁

(加微信备注99领取试用)


l题目:推断模式驱动细胞间流动从单细胞和空间转录组学
l杂志:Nature methods
l影响因子:IF=31.6    
l发表时间:2024年8月


请前往文末获取文献DOI哦~

研究背景

“细胞间流动”的一个著名例子是Wolpert的法国旗问题,其中一个空间传播的形态因子驱动多个TF的协调表达。生物稳态是通过细胞间流动的协调来维持的,而这种协调在疾病中受到干扰。解开这些细胞间流动对于理解健康和疾病至关重要。

研究思路

研究内容

1、FlowSig使用基因表达测量和细胞-细胞通信推断的输出来学习描述定向依赖的细胞间流动。这些依赖关系从流入的细胞间信号指向细胞内的GEMs,这可能是单个TF或相关基因集的细胞富集,以及从GEMs到流出的细胞间信号(图1)。
图1 对FlowSig模型的描述
2、FlowSig的合成验证
作者首先使用从细胞间流动数学模型生成的合成数据对FlowSig进行基准测试。为简单起见,作者将GEMs建模为单独的TF,并考虑了三种情况。结果表明,FlowSig减少了从基线GSP和UT-IGSP算法推断的假阳性发现的数量(图2)。  
图2 FlowSig的合成验证
3、使用皮质类器官系统验证FlowSig
作者通过CellChat34分析鉴定出77种独特的配体-受体相互作用,并从中鉴定出不同的流动信号。FlowSig识别了26个差分流入信号和16个差分流出信号,包括FGF和BMP,使用pyLIGER35从2,793个高度可变的基因中构建了20个GEMs。为了验证FlowSig分析,作者分析了一个受干扰的类器官培养,通过分别在D15和D21之间添加FGF8b和BMP4来激活FGF和BMP信号通路。在D35收集类器官样本,并对其进行定量反转录PCR (RT-qPCR)进行基因表达分析(图3)。
图3 FlowSig在皮质类器官模型上的实验验证
4、FlowSig识别了刺激引起的细胞间流动的变化
为了证明FlowSig如何恢复外部扰动驱动的细胞间流动,作者分析了干扰素-γ (IFN-γ)36刺激的人胰岛的scRNA-seq数据(图4)。 
图4 FlowSig在胰岛非空间scRNA测序中的应用
5、FlowSig使用多重扰动来发现疾病驱动的变化
为了证明FlowSig可以处理多重扰动,作者分析了从健康对照和中度或重度COVID-19患者中取样的人支气管肺泡灌洗液(BALF)细胞的scrna序列。使用CellChat和原始研究中的细胞类型注释来推断显着的配体-受体相互作用,并分别在健康对照组和中度和重度COVID-19组中发现了46、55和54个活性信号通路(图5)。
图5 FlowSig在中重度COVID-19患者BALF scrna测序中的应用
6、FlowSig识别空间细胞间流动的调节因子
作者将FlowSig应用于胚胎发生E9.5期小鼠胚胎发生的空间立体序列数据,使用非负的空间分解4从712个空间可变基因中构建了20个空间分辨的GEMs。作者使用这些空间分辨率测量来推断特定的Shh流出的上游调节因子和r-Shh流入的下游目标。对于每个GEM,作者通过模块隶属度提取前10个TF,为了确定r-Shh流入的下游目标,作者使用pyGAM46 (三次样条,gamma误差分布和日志链接)拟合每个推断的下游GEM的前10个TFs作为r-Shh流入的函数的表达(图6)。
图6 FlowSig在E9.5空间Stereo-seq数据中的应用

文章小结

   
本研究通过整合scRNA-seq和ST数据,展示了数据整合在理解复杂生物系统中细胞间通信的重要性,强调了FlowSig在解析细胞间通信网络中的潜力,并为未来的研究提供了新的方向。动动手指,足不出户就能收集跨越时间、空间的样本数据,结合自己的课题方向,稍加分析,一篇5-10 SCI就能到手!心动不如行动,来找大麦,以最省钱的方式为你设计最适合自己的方案~

推荐阅读


大麦有话说

大麦还提供服务器租赁、思路设计、定制生信分析、文献思路复现、临床数据库挖掘;有需要的小伙伴欢迎直接扫码咨询大麦,竭诚为您的科研助力!

尔云间meta分析
分享meta分析学习方法、医学统计基础知识、meta分析软件操作技巧、SCI论文发表经验等精彩内容。
 最新文章