引言：
细胞间通信在维持组织稳态和响应各种内部和外部信号中起着至关重要的作用。传统的分析方法通常通过将细胞分为类型或簇来进行，但这一过程往往忽略了单个细胞水平上发生的重要异质性和交互作用。Catherine Blish等发表在Nature Biotechnology上的研究解决了从单细胞RNA测序（scRNA-seq）数据中推断细胞间通信（CCC）的问题。本研究引入了一种新的计算框架Scriabin，旨在不进行聚合的情况下在单细胞水平上分析细胞间通信。这种方法使得对细胞间相互作用的分析更加细致和可扩展。
关键发现：
1. Scriabin单细胞解析的CCC分析框架：Scriabin为不同规模的数据集和分析目标提供了多种工作流程。它通过为每对细胞打分配体-受体相互作用，重建细胞间相互作用矩阵（CCIM）。这一过程使得在单细胞水平上发现具有生物学意义的通信边缘成为可能，保留了细胞的个体信号传导特征。
2. 跨多个数据集的应用：研究展示了Scriabin的多样性，通过将其应用于不同生物学背景的数据集，揭示了通常被聚合方法所掩盖的通信通路，特别是在复杂组织（如肿瘤微环境）中。例如，在鳞状细胞癌（SCC）的T细胞通信分析中，该方法突出了T细胞信号的异质性，而这些异质性在使用传统聚类技术时可能被遗漏。
3. 抗噪能力强：Scriabin的显著优势之一是其处理噪声和稀疏scRNA-seq数据的鲁棒性。模拟结果表明，即使在数据集严重下采样的情况下，Scriabin也能保持高准确性，恢复出最具生物学相关性的CCC边缘。
4. 空间特征和实验验证：通过空间转录组学数据验证了Scriabin对CCC网络的预测。结果显示，Scriabin预测为高度相互作用的细胞在物理上彼此更接近。此外，Scriabin还成功识别了CRISPR筛选中的遗传扰动效应，并展示了其在共同培养实验中检测实验诱导的通信边缘的能力。
5. 在纵向数据集中的应用：该框架应用于纵向数据集以跟踪随时间推移的通信路径。研究人员利用Scriabin绘制了感染SARS-CoV-2的人支气管上皮细胞中的通信回路。分析显示，未感染的旁观细胞在感染的细胞反应中发挥了重要作用，提供了对病毒感染动态的新见解。
结论：
Scriabin为单细胞解析的细胞间通信分析提供了一种新的范式，揭示了以前被掩盖的生物学相互作用。通过避免聚合，Scriabin捕捉到了细胞间信号传导网络的全部复杂性，使其特别适用于研究肿瘤等异质性组织。它还为分析大规模scRNA-seq数据集提供了一种可扩展的解决方案，并允许在纵向研究中发现动态的通信模式。
影响：
Scriabin的发展为研究健康和疾病中复杂细胞系统打开了新途径。它揭示对组织功能或疾病进展至关重要的通信路径的能力对癌症免疫疗法、组织工程和传染病等领域具有重要意义。此外，通过允许更准确地分析细胞如何在不同条件下进行实时通信，Scriabin可以帮助发现新的治疗靶点并提高我们对细胞行为应对各种刺激的理解。
参考文献
Aaron Wilk et al. Comparative analysis of cell-cell communication at single cell resolution. Nature Biotechnology. 2024
