![]()
今天果叔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，果叔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和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！果叔就在这里，会为你提供课题思路和生信分析。只需轻松一扫，即可与果叔建立联系！线上课程教学
课题设计、定制生信分析
生信服务器
加微信备注99领取使用
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“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。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）。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）。 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）。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，来找果叔，以最省钱的方式为你设计最适合自己的方案~果叔还提供思路设计、定制生信分析、文献思路复现；有需要的小伙伴欢迎直接扫码咨询果叔，竭诚为您的科研助力！
