文章标题：Inferring pattern-driving intercellular flows from single-cell and spatial transcriptomics
中文标题：从单细胞和空间转录组学中推断模式驱动的细胞间流动
发表期刊：Nat Methods
发表时间：202410
影响因子：36.1/Q1
研究背景
“细胞间流动”的一个著名例子是 Wolpert 的法国国旗问题，其中空间繁殖的形态发生素驱动多个 TF 的协调表达，产生同名的“旗帜”。生物稳态是通过细胞间流动之间的协调来维持的，这在疾病中受到干扰。解开这些细胞间流动对于了解健康和疾病至关重要。
研究方法
我们从单细胞 RNA 测序 （scRNA-seq） 和空间转录组学 （ST） 中，提取可以通过细胞间通讯网络或解耦基因模块描述的高维基因表达模式。我们提出 FlowSig，这是一种使用图形因果建模和条件独立性从 scRNA-seq 或 ST 数据推断通信驱动的细胞间流的方法。我们使用新生成的实验皮质类器官数据和数学建模生成的合成数据对 FlowSig 进行基准测试。我们通过将 FlowSig 应用于各种研究来证明 FlowSig 的实用性。
研究结果
1. FlowSig 模型的描述
FlowSig 借助基因表达测量和细胞间通讯推理输出，学习细胞间流的定向依赖性，即从流入的细胞间信号到细胞内 GEM，再到流出的细胞间信号。它采用图形因果模型建模，利用 UT-IGSP 学习有向图，先通过 UT-IGSP 得到包含有向圆弧和无向边的初始 CPDAG，再通过重新定向无向边和去除不合理弧线构建细胞间流动网络，以特定方向连接流入信号、GEM 和流出信号。
2. FlowSig 的综合验证
3. 使用皮质类器官系统验证 FlowSig
FlowSig 从 CellChat 鉴定的 77 种独特配体-受体相互作用中识别出差分流入和流出信号，包括 FGF 和 BMP。用 pyLIGER 构建 20 个 GEM，不同时间点细胞对特定 GEM 富集程度不同。FlowSig 构建 62 个变量用于细胞间流推断，聚合信号流入变量后发现 FGF 等是细胞间流动驱动因素，EOMES 可能调节 FGF 流入，BMP 流入由较少 GEM 调节且可能由 PAX6 或 NR2F1 介导。通过对扰动的类器官培养物分析及 RT-qPCR 基因表达分析，验证了 FlowSig 能准确捕获真实生物数据集中细胞间流动的主要驱动因素。
4. FlowSig 可识别刺激引起的细胞间流动变化
为证明 FlowSig 可恢复外部扰动驱动的细胞间流动，分析受 IFN-γ 刺激的人胰岛 scRNA-seq 数据，用 pyLIGER 构建 10 个 GEM 与细胞型簇对应。IFN-γ 刺激改变信号流入和流出，FlowSig 确定 FGF、IL-6、MDK 和 SST 为细胞间流主要驱动因素，特定 GEM 在不同细胞簇富集表明细胞间流动受细胞类型驱动，相同转录因子作用多个 GEM 表明其介导细胞间流动。
5. FlowSig 使用多个扰动来查找疾病驱动的变化
使用 pyLIGER 构建 20 个 GEM，FlowSig 确定健康对照及不同 COVID-19 状况的差异流入和流出信号。严重 COVID - 19 有较多炎性趋化因子差异表达，中度则较少。FlowSig 能利用多种扰动识别细胞间流动趋势，确定 COVID - 19 严重程度增加与调节细胞间流入丧失及巨噬细胞和中性粒细胞驱动的炎症趋化因子流出增加有关。
6.FlowSig 识别空间细胞间流的调节因子
FlowSig 应用于小鼠胚胎发生空间立体序列数据，构建 20 个空间分辨的 GEM。确定 Shh 流出具高度空间可变性，FlowSig 找出 Shh 流出的上游驱动因素及 Shh 流入驱动的信号配体流出。通过随机森林模型确定 Shh 流出的上游 TF，用 pyGAM 确定下游靶点。观察到 Shh 与 Bmp4 等有潜在双向流动，以 Wnt5a 为例分析确定其上游调节因子及与 Myc 的关系，表明 Shh 和 Wnt5a 有双向流动且类似激活剂-抑制剂系统，在 E9.5 可能扮演相似角色。
文章小结
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。
