蛋白导向的单细胞多模态图谱知识库 SingPro 2.0:整合蛋白组与转录组、表观组、基因组及空间转录组的系统资源

《Nucleic Acids Research》:SingPro 2.0: a proteomics-centric knowledge base for single-cell multimodal profiling

【字体: 大 中 小 】 时间:2026年10月01日 来源:Nucleic Acids Research 15.0

编辑推荐:

  蛋白 inclusive 的单细胞多模态分析(protein-inclusive single-cell multimodal profiling)已成为通过在同一细胞中联合测量蛋白质与互补分子特征来解析细胞异质性(cellular heterogeneity

  
蛋白 inclusive 的单细胞多模态分析(protein-inclusive single-cell multimodal profiling)已成为通过在同一细胞中联合测量蛋白质与互补分子特征来解析细胞异质性(cellular heterogeneity)的变革性策略。由此产生的蛋白 inclusive 数据集正越来越多地用于表征细胞状态(cellular states)、构建多模态细胞图谱(multimodal cell atlases)以及解码疾病机制(disease mechanisms)。然而,这类数据很少被现有数据库纳入。在本研究中,SingPro 由单细胞蛋白组数据库更新为面向单细胞多模态分析的蛋白组中心知识库(proteomics-centric knowledge base)。与现有资源不同,更新后的 SingPro(a)系统整理来自814项蛋白 inclusive 多模态研究的数据与实验细节,涵盖约81.5×106个细胞、29种组织、44种疾病及多个物种;(b)通过12种实验技术覆盖5类组学模态(omics modalities),在同一细胞中同时分析蛋白质与信使RNA(messenger RNA,mRNA)、染色质可及性(chromatin accessibility)或其他测量;(c)提供跨模态可视化以支持联合分析。SingPro 可免费访问,无需登录或注册:https://idrblab.org/singpro/。
研究背景方面,单细胞蛋白组学(single-cell proteomics)已成为解析批量测量中被掩盖的细胞异质性的有力技术。随着技术发展,在同一细胞中同时分析蛋白组与转录组(transcriptome)、表观组(epigenome)等多层分子信息,即蛋白 inclusive 单细胞多模态分析,成为解析细胞状态、构建多模态细胞图谱和研究疾病机制的重要策略,也可为虚拟细胞与单细胞基础模型提供训练数据。然而,已有单细胞多组学数据库多从不同细胞汇总数据,而非同一细胞多模态测量;部分资源虽收集单细胞多模态数据,但以转录组为中心并排除蛋白组;其他多组学库虽含少量蛋白相关数据,但覆盖的蛋白相关单细胞技术不足四种。即便是原版 SingPro,也未能系统、全面地提供蛋白 inclusive 单细胞多模态数据。因此,领域亟需一个以蛋白组为核心、系统收录同一细胞多模态测量的知识库。研究人员将 SingPro 从单细胞蛋白组数据库扩展为蛋白组中心的单细胞多模态知识库,系统收录814项研究、约81.5×106个细胞,覆盖29种组织、44种疾病及 Homo sapiens、Mus musculus、Macaca mulatta、Sus scrofa 等物种,并通过12种技术覆盖蛋白组、转录组、基因组(genome)、表观组、空间转录组(spatial transcriptome)五类模态。该研究论文发表于《Nucleic Acids Research》。
主要关键技术方法上,研究人员首先在 PubMed 与 Google Scholar 以“single-cell + multimodal + protein”“CITE-seq”“ASAP-seq”“DOGMA-seq”“TEA-seq”等词检索,保留同一细胞测量蛋白加至少一种其他模态且有公开数据的文献;随后从文献提取物种、组织、疾病、技术等信息并对接公共数据库。数据预处理基于 R 语言 Seurat 与 Signac:蛋白计数用 centered log-ratio 变换后做主成分分析(PCA),转录组用 SCTransform 后 PCA,染色质可及性用 MACS2 call peak 并经 term frequency-inverse document frequency 与 latent semantic indexing 降维,还用 Signac 的 GeneActivity 推基因活性分数;多模态整合采用 weighted nearest neighbor(WNN)框架,聚类和可视化采用 Louvain 与 UMAP,跨模态关联采用 Spearman 相关。样本来自上述814项公开蛋白 inclusive 单细胞多模态研究。
Factual content and data retrieval 部分,研究人员通过三步流程系统收集蛋白 inclusive 单细胞多模态数据:文献检索、人工提取实验与生物信息、最终纳入814项研究及约81.5×106个细胞。结论是该资源在规模、模态和技术覆盖上显著优于既有库。
General information and experimental details of the single-cell multimodal data 部分,每个研究页包含 General Information、Single-cell Multimodal Omics Information、Project Files 与 Similar Studies。结论是研究页可让用户理解实验设计、比较 assay 配置、评估数据来源与复用价值。
Preprocessing of the protein-inclusive single-cell multimodal data 部分,研究人员用统一 Seurat/Signac 流程做质控、归一化与降维,仅保留各模态共有细胞条码,并用 HTO 去多重与去除双细胞。结论是统一处理有助于跨研究比较与再分析。
Multimodal downstream analysis and visualization 部分,细胞层面用共享 UMAP 比较 WNN 整合聚类与 RNA、蛋白等单模态聚类,并提供 Cluster Marker Information;特征层面用 Spearman 相关点阵展示 RNA 与蛋白、染色质可及性等跨模态共变。结论是这些模块可支持多模态细胞状态解释与探索。
Standardization, access, and download of the multimodal data 部分,元数据映射到 NCBI Taxonomy、UBERON、ICD-11,并提供按方法、模态、组织、疾病浏览与下载。结论是数据标准化与免登录开放获取提升了复用效率。
讨论与结论部分,研究人员指出 SingPro 已由单细胞蛋白组数据库扩展为蛋白组中心的单细胞多模态知识库,在同一框架内组织实验设计、模态组成与处理流程,支持发现、评估与复用蛋白 inclusive 多模态数据。未来将持续纳入新研究、新技术、新物种与新增分析功能。研究结论翻译如下:在本研究中,SingPro 被从单细胞蛋白组数据库扩展为面向单细胞多模态分析的蛋白组中心知识库。更新后的资源汇集蛋白 inclusive 单细胞多模态研究,并在统一框架中组织其实验设计、所分析模态与数据处理流程等信息。在此基础上,SingPro 支持蛋白 inclusive 多模态数据的发现、评估与复用。经过整理的注释使用户能根据生物背景、实验技术与模态组成定位研究,而配套处理信息及对原始与处理后数据的访问则促进可重复性与再分析。统一预处理流程与交互式可视化模块进一步支持对蛋白 inclusive 单细胞多模态数据的探索与解读。通过将蛋白测量与转录组、基因组、表观组、空间及其他 assay-specific readouts 关联,SingPro 为研究互补分子层如何共同定义细胞状态与功能提供了专注入口。随着单细胞多模态技术持续演进,SingPro 将通过纳入新发表研究与新兴实验技术不断维护;未来更新将扩展物种、测序技术与分子 readouts 覆盖,并引入更多分析与可视化功能,从而持续成为单细胞蛋白组与多组学社区实用且可持续的资源。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号