单细胞个性化分析之多样本细胞通讯比较篇

作者，追风少年i

最近收到很多粉丝的问题，其中关于多样本通讯比较分析的居多，在这里分享一下项目经验的心得。

关于单细胞的通讯分享的原理和方法，大家可以参考文章单细胞个性化分析之细胞通讯篇，这一篇我们来分享多样本（多条件）情况下细胞通讯的比较分析，其实这一部分的分析也是单细胞分析的重点，因为不同的条件下细胞之间的互作肯定发生了变化

首先我们需要思考几个问题，分析几种情况，现在单细胞都以大样本量著称，动辄几十上百万细胞，那么对于不同条件下样本的取样通常是很充分的，样本情况大致也分为发育前后时间段取样、normal和tumor、正常与疾病，那么我们在比较这样的条件下的互作差异，需要思考：

• 1、分析时候新的细胞类型，注意这里新的细胞类型包括新的细胞状态（比如fib正常有2种State、但是在肿瘤条件下产生了其他的State）
• 2、如果细胞类型种类差不多或者一致，需要分析通讯的差异性与强度变化，这也是常见的情况
• 3、细胞类型不对等的情况下，比如A样本细胞类型多于B样本，又该如何分析A与B通讯上的差异。

首先我们来讨论第一种，新的细胞类型

如果在做肿瘤或者疾病样本的情况下，相对于正常的样本通常会分析到新的细胞亚型，因为在疾病状态下，细胞的状态必然会发生一定的转变。

原则上大多数的研究都属于这一种，如果课题设计完善的话。

这里在分析新的细胞State的时候，可以先对正常样本的细胞类型进行subcluster，通过Seurat的labeltransfer的功能对tumor或者疾病样本的细胞类型进行注释，以识别是否有新State的出现。在文章Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma就采用了这样的方法来发现新的细胞State。当然，也做了很多其他的辅助分析，例如SCENIC、相关性比较分析、特征基因分析等等。

image.png

image.png

如果你也有类似的分析结果，那么通讯的比较分析就会集中在这种新出现的细胞State，新的细胞类型产生的互作，也往往是疾病独有的状态。

几种抑制T细胞的基因，包括VISTA、LGALS9和TNFRSF14
耗尽的CD4和CD8 T细胞中都高表达耗尽因子，
如：LAG3、TIGIT、PDCD1、HAVCR2、CTLA4
同时也表达细胞毒性因子，如：GZMA、GZMB、GNLY、PRF1
耗尽的 CD4 T细胞表达滤泡辅助相关分子：ICOS

那么在这个的基础上，就开始研究normal和tumor在该细胞类型上的差异比较

image.png

这里由于发现了新的细胞类型State，所以更多的关注了新的细胞类型TSK所进行的互作，这也是发现新的细胞类型常见的分析方法。

image.png

当然了，发现新的State已经足够重要，分析的内容也可以说明了疾病的发生，但是唯一美中不足的就是对于normal和tumor共有的三种细胞State，没有进行比较分析，但是这一点已经不重要了。

接下来分析第二种，细胞类型差不多的前提

研究者常常在做单细胞空间分析的时候，normal通常是取不到的，就算是肿瘤样本也是以癌旁作为正常的参考，但是最新的文章（Spatially resolved clonal copy number alterations in benign and malignant tissue）研究表明，在癌旁良性组织已经存在基因组不稳定现象，说明癌旁良性组织中存在癌症演变的早期现象。所以完美的normal样本，很多情况是取不到的，尤其是在肿瘤的研究中。

那么这种情况下，对于通讯的比较分析就集中在了相同细胞类型的互作差异。因为新的细胞类型分析进行的会非常困难。

那么比较都从数量上和强度上开始下手

配受体数量上的比较也包括整体和具体到细胞类型

样本整体比较

具体到细胞类型的通讯差异，红色代表增强，蓝色代表减少

具体到细胞类型的通讯差异，红色代表增强，蓝色代表减少

但是上述的差异分析注意谁比谁的问题，以及分析的通讯的数量还是强度，以及是否具体到某些配受体对还是通路的角度。

具体到某些细胞类型，就可以从配受体和通路的角度来分析判断

信号输出的变化

细胞类型信号发出的转变

样本信号流的改变

具体细胞类型的输出信号模式

具体细胞类型的输入信号模式

包括具体上下调的配受体对

image.png

image.png

当然还有一些其他的展示方式，但是需要记住一点，这里比较的前提是细胞类型一致或者差异很小，我们只是强调细胞类型之间配受体、通讯互作上数量和强度的差异，以此来解释我们的生物学问题。

接下来分析第三种，细胞类型有差异的情况

如果差异不大，也分为两种，如果有新的细胞类型，那么就借鉴第一种的处理方法，但一般都不是，而是某些该有的细胞类型丢失了，这样的话，一般取子集，取共有的细胞类型进行通讯的差异分析，独有的细胞类型单独拿出来分析。

image.png

image.png

如果细胞类型差异较大，整合分析的过程中发现样本的分布很不均匀，这样的前提下，下面的方面就不能做了

• 1、比较不同细胞群之间相互作用的差异数量和相互作用强度
• 2、根据功能相似性识别信号组

其实就是具体到细胞类型的通讯比较将无法进行，但是样本整体的配受体数量和强度的比较，整体通路的比较分析还是可以进行的。第三种情况不推荐大家强行进行分析。

最后第四点，借鉴Nichenet的思路，我们分析得到的配受体对，多条件分析得到的差异通讯，识别真正起作用的配受体对，大家可以借鉴文章

10X单细胞（10X空间转录组）通讯分析之总结Nichenet多条件差异通讯

10X单细胞（10X空间转录组）通讯分析之总结Nichenet生态位通讯比较分析

image.png

好了，已经分享给大家了，生活很好，有你更好，百度文库出现了大量抄袭我的文章，对此我深表无奈，我写的文章，别人挂上去赚钱，抄袭可耻，挂到百度文库的人更可耻