转自：生物谷百家乐AG辅助器

著作解读+翻新点拓展，为您带来科研新体验～

导读

在生物学筹商中，相识细胞间的通讯机制对于揭示复杂生物流程至关流毒。近日，《NatureMethods》上发表的一项冲突性筹商《Inferringpattern-drivingintercellularflowsfromsingle-cellandspatialtranscriptomics》引入了一种名为FlowSig的新设施，该设施通过单细胞RNA测序（scRNA-seq）和空间转录组学（ST）数据推断由通讯启动的细胞间信息流。这项时期不仅为科学家们提供了长远瞻念察细胞里面运作的新视角，也为临床医师带来了探索疾病发生发展机制的新用具。

筹商配景

细胞通过生化信号相互辩论以组织生物行为，这些时空流动的“因果”关系鼓动着每一个生物学进度。可是，传统的分析设施时时将细胞间通讯视为零丁事件，忽略了其与细胞内基因调控模块之间的关联。为了填补这一空缺，筹商东说念主员开荒了FlowSig，这是一种基于图形因果模子和条目零丁性的新设施，它大略从scRNA-seq或ST数据中推断出由通讯启动的细胞间信息流。

筹商打算与适度

FlowSig的中枢在于建模细胞间信息流动，即从流入的细胞间信号到捕捉细胞内调整响应的基因抒发模块（geneexpressionmodule，GEM），再到流出的细胞间信号。具体而言，FlowSig哄骗额外的扰动数据和卑鄙转录因子靶点旅途常识来学习准确的细胞间流动。当处理难以精确推断配体-受体相互作用的数据时，FlowSig汇聚“对照vs.扰动”实验提供的信息，使用互异抒发分析和条目不变性测试推断最可能启动细胞间流动的输入输出变量蚁合。此外，FlowSig还复古从空间转录组学数据顺利推断每个空间位置接纳到的流入信号量，从而无需额外的扰动数据即可推断细胞间流动。

在考据流程中，筹商东说念主员率先使用合成数据集进行测试，确保FlowSig能正确反馈数学模子模拟出的细胞间流动特征。随后，他们应用FlowSig分析了重生成的皮质类器官实验数据，展示了该设施捕捉刺激率领变化、展现因COVID-19严重程度增多而引起的细胞间流动挪动以及重建小鼠胚胎发育中形态发生素启动激活剂-阻止剂模式的智力。

图1：对FlowSig模子的形容

筹商者开荒了FlowSig模子，用于形容细胞间信息流动的标的性。该模子包含从流入信号（受体基因抒发量与卑鄙转录因子基因集平均抒发量的乘积Ri×TFi）到基因抒发模块（即细胞成员包摄至潜在GEM因子GEMi），再到流出信号（信号配体基因抒发Li）的有向边（图1a）。在“对照vs.扰动”实验中，系统可能因外部刺激、疾病或时间变化而转换。FlowSig通过互异抒发分析和条目不变性测试，识别出分散显赫变化的流入和流出变量，以详情最有可能启动细胞间流动的因素，从而减少数据生成的悉数可能汇集的数目，并构建更精确的透顶部分有向无环图（completedpartialdirectedacyclicgraph，CPDAG）（图1b）。

对于难以准确推断配体-受体相互作用的情况，FlowSig能从空间转录组学数据中更精确地估算每个位置接纳到的流入信号量，使得即使莫得额外的扰动数据，也能推断细胞间的流动（图1c）。具体来说，FlowSig使用COMMOT推断接纳的信号配体量（rec.Li），并汇聚空间涌现的GEM（GEMi），最终关联到流出变量（Li）。

图2：FlowSig的合成考据

为了考据FlowSig的灵验性，筹商东说念主员生成了基于数学模子的模拟实验数据集，用以模拟真确的细胞间流动情况。适度标明，FlowSig大略准确收复预期的细胞间流动汇集结构，证明其算法打算合理且可靠。

筹商进一步探讨了SHH信号率领的单向细胞间流动（图2a）绝顶对组织模式化的影响（图2b），以及SHH与BMP4之间的竞争关系（图2c）。通过量化FlowSig的真阳性率（TPR）和真阴性率（TNR），筹商东说念主员发现：在悉数场景中（图2d-f），汇聚受体抒刊行为信号流入或引入扰动数据并不会转换平均TPR。使用汇聚受体进行流入测量显赫提高了平均TNR，尤其是在复杂的多标的流动模子中，如SHH启动的模式化以及SHH与BMP4的竞争关系（图2e,f）。

通过条目不变性测试整合扰动数据，不错减少TNR值的变化，包括四分位数范围和格外值，从而获取更精确的细胞间流动测度。这些适度显现，FlowSig灵验地减少了基线GSP和UT-IGSP算法推断中的假阳性数目，普及了细胞间流动预测的准确性。

图3：使用皮层样器官模子考据FlowSig的实验考据

筹商者使用皮层发育的类器官模子进一步考据了FlowSig的灵验性。从东说念主类胚胎干细胞中生成皮层类器官，并在培养第18天（D18）和第35天（D35）网罗样本进行scRNA-seq分析。在该模子中，皮层身份的细胞红运于D18详情，而FGF和BMP信号响应则在D35成立。筹商者将D35的数据视为对D18“对照”数据的“扰动”，模拟了这些信号通路的影响。

通过CellChat分析，识别出77个独到的配体-受体相互作用，这些相互作用在细胞间流动中演出不同脚色。FlowSig进一步筛选出26种流入的互异信号（图3a）和16种流出的互异信号（图3b），包括关节的FGF和BMP信号。筹商者哄骗pyLIGER从2,793个高度可变基因中构建了20个GEM，并基于此构建了用于推断细胞间流动的62个变量（图3c）。

为了详情主要启动因素，筹商者左证信号流入变量的总边频次进行了排序，发现FGF、MK（中胚层因子）、PTN（多效助长因子）和NRG（神经调整素）是细胞间流动的关节启动者。稀零是FGF流入通过多个GEM启动了BMP4、IGF-II、NGF、NRG1和NRG3等信号的流出（图3d）。此外，EOMES被详情为潜在的FGF流入调控候选者。比较之下，BMP流入通过较少的GEM被调整，且可能由PAX6或NR2F1介导（图3e）。

为了考据FlowSig分析适度，筹商者在D15-D21时间分别添加FGF8b和BMP4激活相应的信号通路，并在D35时网罗样品进行RT-qPCR分析。适度显现，激活FGF信号显赫下调了EOMES的抒发（图3f），而激活BMP信号则下调了PAX6并上调了NR2F1的抒发（图3g），证据了FlowSig预测的准确性。

图4：FlowSig在胰岛扰动非空间scRNA-seq中的应用

为了考据FlowSig在收复由外部扰动启动的细胞间流动方面的智力，筹商者分析了插手素-γ（IFN-γ）刺激的东说念主胰岛scRNA-seq数据。使用pyLIGER构建了10个GEM，这些模块与零丁识别的5个细胞类型簇（alpha、beta1-3和delta）对都（图4a）。基于这些细胞类型详确，CellChat推断出各细胞组之间显赫的成对配体-受体相互作用。

IFN-γ刺激显赫转换了多个信号通路的流入量：通过FGFR1增多了FGF信号通路的流入，通过IL-6R和IL-6ST增多了IL-6的流入，通过CD74和CD44增多了MIF的流入，通过NCL增多了MDK的流入，并通过SSTR2增多了SST的流入（图4b）。同期，IFN-γ刺激还影响了流出信号，增多了GCG、INHBA和NAMPT的流出量，减少了ANGPTL2、SPP1、TGFβ1、TNFSF12和UCN3的流出量（图4c）。FlowSig识别出FGF、IL-6、MDK和SST是主要启动细胞间信息流动的因素，这些信号启动了GCG、INHBA、NAMPT、SPP1、TGFβ1、TNFSF12和UCN3的流出（图4d）。

为了进一步探索IFN-γ刺激的影响，筹商东说念主员将全局细胞间流动汇集分为两个子汇集：上音调汇集：对应于IFN-γ刺激上调的流出信号，流畅到这些流出变量的GEM及关系的流入节点（图4e）。下音调汇集：对应于IFN-γ下调的流出信号，以雷同花式构建（图4f）。

这两个子汇集分享同样的流入节点和GEM，但GEM-3仅存在于“上调”汇齐集，这标明它在IFN-γ刺激下具有特地的作用。GEM-3主要富集在α细胞内，标明刺激启动了来自α细胞的GCG和NAMPT流出。其他流入信号和GEM则在两种条目下分享，显现了它们的双重调控功能。

图5：FlowSig在中度或重度COVID-19患者取样的东说念主类BALF的scRNA-seq中的应用

为了考据FlowSig处理多个扰动的智力，筹商者分析了健康对照组、中度和重度COVID-19患者支气管肺泡灌洗液（BALF）细胞的scRNA-seq数据。使用CellChat汇聚原始筹商中的细胞类型详确，推断出显赫的配体-受体相互作用，适度显现健康对照组、中度和重度COVID-19组分别有46个、55个和54个活跃信号通路。

通过pyLIGER构建了20个GEM，这些GEM捕捉了不同条目下的互异（图5a）以及细胞类型间的互异（图5b）。FlowSig识别出每种COVID-19景色相对于健康对照组特有的流入和流出信号变化（图5c）。

为了长远分析这些流出信号启动的细胞间流动，筹商者索取了每个不同流出信号集上游的流入信号及相应的GEM（图5d-f）。尽管跟着COVID-19严重程度增多，不同流出信号数目增多，但推断的流入信号数目却从健康对照组的37个减少到中度患者的32个，再到重度患者的25个。雷同地，调整性GEM的数目也从健康对照组的16个减少到中度患者的13个，凯时AG百家乐再到重度患者的8个。这标明跟着疾病进展，某些特定的细胞间通讯旅途迟缓丧失。

进一步分析显现，在悉数三种条目下共有20个信号流入，而莫得发现仅在中度或重度COVID-19中特有的流入信号。TNFRSF12A（由TNFSF12启动）以及ITGAX和ITGB2（由C3启动）的流入信号仅在健康对照组中存在。CAP（来自RETN1）的流入信号则仅在中度和重度COVID-19之间分享（图5g）。

不雅察到的GEM趋势同样，分享程度最高的GEM是在健康和中度COVID-19群体中的7个GEM，以及在悉数三个条目下的5个GEM。GEM-4和GEM-10仅在健康个体中启动信号流出，而GEM-7（与嗜碱性粒细胞关系）仅在中度和重度COVID-19群体中分享（图5h）。

图6：FlowSig在E9.5小鼠关系性空间立体序列数据中的应用

筹商者哄骗FlowSig对胚胎发育阶段E9.5的鼠胚进行了ST-seq数据分析，揭示了Shh（SonicHedgehog）和Wnt5a信号通路之间的复杂双向流动。通过非负空间明白法，筹商者从712个空间可变基因中构建了20个高分辨率的空间GEM，这些GEM捕捉了细胞间通讯的关节特征（图6a）。

FlowSig识别出多个Shh外流的上游启动因子，这些因子通过特定的GEM调整Shh外流，并推断出接纳的Shh内流（r-Shh）启动多个信号配体的外流道路，触及多个GEM（图6c）。为了进一步详情Shh外流的上游调控TF，筹商者使用飞速丛林模子分析了前10个TF的流毒性，最终识别出Foxa2、Foxp2、Myc、Zc3h7a和Foxa1为Shh外流的主要上游调控TF（图6d）。

为了识别r-Shh流入的卑鄙靶标，筹商者使用pyGAM拟合每个推断出的卑鄙基因抒发汇齐集前10个r-TF的抒发与r-Shh流入之间的关系，并左证Spearman关系悉数排序。适度显现，Barhl1、Nkx2-1、Meox1、Tcf21和Foxp2与r-Shh的关系性较低，而Foxe1、Nkx2-2、Pou3f1、Tlx2和Nkx2-4等已知靶点弘扬出显赫关系性（图6e）。

筹商者不雅察到Shh和Bmp4、Cxcl12、Igf2、Mdk以及Wnt5a之间可能存在双向流动。为了考据这一假定，筹商者分析了各配体与其卑鄙r-Shh流入的关系。适度显现，唯一Wnt5a通过GEM-5的转录因子显赫受r-Shh流入调整（图6f）。此外，筹商者发现r-Wnt5a流入通过空间扩散下调Myc介导的Shh流出，酿成一个激活阻止系统（图6g）。这种激活阻止系统的三个关节特征如下：1）信号传播：Shh和Wnt5a配体都能扩散；2）自我上调：Shh通过Foxa2上调本人，Wnt5a通过Foxa1、Nkx6-1和Sox21上调本人；3）阻止机制：Wnt5a通过下调Myc来阻止Shh。

这些不雅察适度标明，Shh和Wnt5a之间的双向流动雷同于Turing模式生成系统，该系统在发育流程中启动细胞红运图案化。因此，在E9.5时，Shh和Wnt5a信号通路可能共同作用于胚胎发育中的细胞红运决定流程（图6h）。

说七说八，FlowSig是一款强劲的细胞间通讯和信息流分析用具，对于分析发育流程中以及猛烈单因素（比如药物）或多因素（比如病理微环境）扰动带来的细胞间信息流变化有着绝顶积极的作用，有助于鼓动对生命科学和生物医学复杂系统流程的动态相识。

拓展延长

FlowSig时期在其他科研范围的厉害应用出息：

●肿瘤微环境与癌症诊治

在肿瘤学范围，单细胞RNA测序（scRNA-seq）和空间转录组学（ST）汇聚FlowSig设施的应用具有雄壮的后劲。肿瘤不单是是单一类型的细胞蚁合，而是一个复杂的生态系统，包括癌细胞、免疫细胞、基质细胞等多种要素。通过scRNA-seq不错揭示肿瘤里面不同细胞亚群的异质性，以及它们之间的相互作用汇集。举例，在乳腺癌筹商中，科学家们哄骗scRNA-seq发现了多种肿瘤关系巨噬细胞（TAMs），这些细胞不仅促进了肿瘤助长，还影响了化疗药物的恶果。借助FlowSig，筹商东说念主员大略愈加精良地形容出TAMs与其他细胞类型间的通讯旅途，从而找到新的诊治靶点或预测患者的预后。

此外，空间转录组学数据提供了额外的空间维度信息，这对于相识肿瘤组织内的结构特征至关流毒。比如，某些类型的免疫查验点分子抒发可能聚会在特定区域，酿成所谓的“免疫冷区”。通过整合ST和FlowSig分析，不错精确定位这些冷区，并探索其酿成的分子机制，进而开荒更灵验的免疫疗法计谋。这种多模态的数据交融为个性化医疗决策的采选提供了科学依据。

●再生医学与干细胞筹商

再生医学旨在建造受损组织器官的功能，而干细胞则是已毕这一目标的关节脚色之一。scRNA-seq和ST时期不错匡助科学家长远了解干细胞分化流程中的基因调控变化，确保生成的组织具备正确的细胞组成。以腹黑再生为例，心肌梗身后的腹黑建造需要率领内源性干细胞向心肌细胞标的分化。可是，施行操作中时时面对遵守低劣等问题。FlowSig不错通过构建详备的细胞间通讯模子，率领优化培养条目，提高干细胞定向分化的胜利率。

同期，对于移植后的干细胞存活率低的问题，scRNA-seq和ST有助于识别影响细胞存活的关节因素。举例，在骨髓移植流程中，宿主微环境中存在的炎症因子可能会阻止新植入干细胞的增殖。哄骗FlowSig涌现这些不利信号通路，筹商东说念主员不错收受门径减少负面影响，改善移植恶果。总之，scRNA-seq和ST汇聚FlowSig的设施为处分再生医学面对的挑战提供了强有劲的复古。

●神经科学筹商

神经系统由高度特化的神经元组成，每个神经元之间通过突触流畅传递信息。scRNA-seq和ST时期使得咱们大略在单细胞水平上筹商神经元绝顶复古细胞（如星形胶质细胞、小胶质细胞等）之间的辩论模式。这对于相识大脑发育、学习顾忌等生理流程绝顶流毒。举例，FlowSig已被用于分析皮质类器官中的细胞间流动，揭示了Wnt5a-Shh双向流动关系，其中Shh促进本人及Wnt5a的抒发，而Wnt5a则阻止Shh的抒发，酿成了一个潜在的Turing模式。这种反馈机制有助于解释某些特定的空间结构酿成，并可能成为将来筹商的重心标的之一。

此外，scRNA-seq和ST还不错匡助探究神经系统疾病的发期许制。阿尔茨海默病是一种常见的神经退行性疾病，其病理特征之一是β-淀粉样卵白斑块千里积。通过scRNA-seq分析患者脑组织样本，发现了一些参与断根这些有毒卵白质的免疫细胞类型。汇聚FlowSig，不错进一步探讨这些细胞若何响应毁伤信号，并寻找增强其功能的设施，最终达到减速疾病进展的目标。

●免疫学与感染性疾病

免疫系统安妥保护机体免受外来病原体入侵。scRNA-seq和ST时期为涌现免疫反应提供了前所未有的契机。稀零是在病毒感染的情况下，了解宿主细胞对病毒复制的反应至关流毒。举例，在新冠病毒（SARS-CoV-2）感染时间，肺泡灌洗液（BALF）中存在大批的免疫细胞。通过scRNA-seq分析，筹商东说念主员大略离别不同的免疫细胞亚群，并跟踪它们随时间的变化情况。FlowSig则可用于推断这些细胞间的相互作用，稀零是那些抵抗病毒至关流毒的细胞通讯。

另一个流毒应用是在疫苗研发方面。为了评估疫苗率领的免疫应付，时时需要监测接种者体内抗体水和善T细胞活性。scRNA-seq不仅不错检测到抗原特异性B细胞和T细胞的存在，还能提供对于它们克隆性和表型特征的信息。汇聚FlowSig分析，不错从举座上主理免疫系统的动态变化，为优化疫苗配方提供参考。此外，这种设施也有助于发现新式免疫调整剂，普及现存疫苗的恶果。

临床应用与估量

FlowSig行为一种强劲的数据分析用具，在升沉医学范围具有厉害的应用出息。举例，在肿瘤学方面，了解肿瘤微环境中不同细胞类型的互动不错匡助识别新的诊治靶点；而在再生医学范围，FlowSig不错协助优化干细胞分化计谋，提高组织工程居品的质料。此外，跟着单细胞时期和空间转录组学时期的发展，FlowSig将匡助临床医师更长远地相识病理景色下细胞群体的步履变化，进而率领个性化医疗决策的采选。

注：本文旨在先容医学筹商进展，不作念诊治决策推选。如有需要，请盘考专科临床医师。

参考文件：

AlmetAA,TsaiYC,WatanabeM,NieQ.Inferringpattern-drivingintercellularflowsfromsingle-cellandspatialtranscriptomics.NatMethods.2024Oct;21(10):1806-1817.

（转自：生物谷）百家乐AG辅助器

• 百家乐AG辅助器
• 解密
• 喜报
• 通讯
• 新利器