【细胞通讯】CellTalk

在多细胞生物体中，细胞间的通讯通常涉及分泌的配体-受体(LR)相互作用，这对各种生物现象都是是至关重要的。

单细胞RNA测序(scRNA-seq)技术的发展可有效帮助研究人员认识细胞表型的异质性和复杂组织的细胞类型组成，促进了单细胞分辨率下对细胞间通讯的系统研究。然而，通过scRNA-seq对依赖化学信号的细胞间通讯的评估在很大程度上依赖于对LR相互作用的先验知识。

今天分享另外一个关于配体和受体收集的库和工具。相关研究成果于2020年11月4日发表在国际知名期刊《Briefings in Bioinformatics》，该数据库包括3398对人类LR对和2033对小鼠LR对，每对都有文献支持的证据。

=====配体受体库的建立=====

第一步：从STRING蛋白-蛋白互作数据库中收集了11 759 454人类的PPI和11 944 806 小鼠的PPI。并且从NCBI，Enesembl 收集蛋白的注释信息。同时从Uniprot中收集了相关的基因和蛋白信息。

第二步：从Ramilowski et al，SingleCellSignalR，CellPhoneDB收集别的库中的配体-受体对信息。

第三步：去冗余，并和Ensembl以及NCBI的蛋白信息进行匹配，最终获得5796 319(人) 和5900 136 (小鼠) PPI，以及19 101 (人) 和21 016 (小鼠) 个蛋白。

第四步：筛选可能的receptor和ligand蛋白。筛选规则：ligand（Secreted或者定位到 extracellular space）；receptor（定位到cytomembrane 或者cell face）；最终获得：人类【1885 potential ligands和3131 potential receptors】，小鼠【1809 potential ligands 和4152 potential receptors】；259 356 可能的配体-受体对 (人) 和229 651 可能的配体-受体对 (小鼠)。

第五步：确认配体-受体对的准确性。对于每对配体-受体在pubmed中进行文献检索。确认规则：‘’ was‘[Title/Abstract] AND[Title/Abstract] AND (interact OR bind).’当然别名也进行检索。

第六步：确认检索文献的准确性。

第七步：手动查看一些其它review文献进行补充。

第八步：三个reviewer确认最后配体-受体对的准确性。

最终获得3398对人的配体-受体对，2033对小鼠的配体-受体对，并且每对都有文献信息支撑。

和早期的报道相比，不管是从数目，还是覆盖度上，都是优于其它工作的。

 

作者也做了相关的网站支持查询和检索：http://tcm.zju.edu.cn/celltalkdb/

===CellTalkDB的应用=====

CellTalk没有开发自己核心的程序，是把别的工具修改了DB来进行通讯推测的测试的。

install.packages(pkgs ='scsrctdb-1.0.tar.gz',repos = NULL, type = "source")

library(scsrctdb)

library(Seurat)

pbmc <- readRDS("pbmc3k_final.rds")

data.input <- GetAssayData(pbmc, assay = "RNA", slot = "data") 

as.matrix(data.input)->data.input

labels <- Idents(pbmc)

cluster <-as.numeric(labels)

cell_signal <- cell_signaling(data.input,rownames(data.input),as.vector(cluster),gene_resive = T,species = 'homo sapiens')

visualize(cell_signal)

visualize(cell_signal,show.in = 1)

本文使用 文章同步助手 同步