社区:在大型多样本病例对照scRNAseq数据集中基于组件的差异细胞通信分析
《iScience》:Community: Component based differential cell communication analysis in large multi-sample case-control scRNAseq datasets
【字体:
大
中
小
】
时间:2026年08月28日
来源:iScience 4.5
编辑推荐:
### 亮点
- 将细胞间通信分解为细胞数量、活跃细胞比例和表达水平三个部分
- 识别差异性和补偿性的细胞间相互作用
- 在单细胞RNA测序(scRNAseq)队列中捕捉溃疡性结肠炎(UC)、黑色素瘤和急性髓系白血病(AML)的通信变化
- 具有高效的可扩展性,并且对异常值驱动的
### 亮点
- 将细胞间通信分解为细胞数量、活跃细胞比例和表达水平三个部分
- 识别差异性和补偿性的细胞间相互作用
- 在单细胞RNA测序(scRNAseq)队列中捕捉溃疡性结肠炎(UC)、黑色素瘤和急性髓系白血病(AML)的通信变化
- 具有高效的可扩展性,并且对异常值驱动的信号具有鲁棒性
### 摘要
疾病期间细胞间通信的变化可能源于组织组成的改变、参与信号传导的细胞比例的变化以及配体-受体表达的差异。为了解决这个问题,我们开发了Community这个R语言包,用于多样本病例对照scRNAseq数据集中的差异性通信分析。Community通过评估细胞类型数量、活跃细胞比例及其表达水平来重建相互作用。该方法能够识别上调、下调、不变或被补偿的通信模式。应用于溃疡性结肠炎、接受免疫检查点抑制剂治疗的黑色素瘤和急性髓系白血病后,Community捕捉到了与疾病和反应相关的通信变化,包括溃疡性结肠炎中通信的增加、黑色素瘤响应者中免疫抑制信号的减少以及AML中免疫通信的降低。与现有工具相比,Community对异常值驱动的信号具有更好的鲁棒性和更高的可扩展性。这些组件级别的分析有助于将改变的通信模式与健康和疾病状态下的生物学机制联系起来。
### 引言
细胞间通信对于维持组织的正常生理功能至关重要。在疾病状态下,免疫和非免疫微生态以及驻留细胞类型会改变其数量和功能,从而导致它们之间的相互作用发生改变。发现这些变化对于更好地理解疾病和制定新的治疗策略非常重要。单细胞RNA测序(scRNAseq)技术使我们能够捕捉组织组成的变化以及单个细胞类型内配体、受体和粘附分子的表达变化。scRNAseq在涉及多个样本的病例对照研究中的使用日益增多,这种策略有助于更好地考虑生物学异质性,尤其是在处理人类样本时。
### 背景
为了研究病例组和对照组之间的细胞间通信变化,需要进行差异性通信分析。我们之前发布了COMUNET,这是第一个能够进行差异性通信分析的工具。然而,COMUNET只针对一个对照组和一个病例样本进行差异性通信分析,而通常在队列中会分析许多样本。因此,需要一种能够轻松扩展到多个样本的算法。其他一些细胞间相互作用工具也可以进行差异性分析,但这些工具的主要缺点是在分析差异性通信时没有考虑疾病引起的细胞类型数量的变化。尽管这些变化可能非常显著,并且会大幅影响病变组织内的整体通信动态。为了维持稳态和正常的组织功能,细胞层面会有一些适应性机制。首先,细胞(尤其是免疫细胞)可以侵入组织,导致其类型数量增加;其次,由于损伤、衰老或通过免疫系统的清除等原因,某些细胞类型的数量可能会减少。剩余的细胞可能会调整其配体和受体的表达水平,以尝试保持生理水平的相互作用稳定并补偿组织组成的变化。在细胞间通信分析中考虑这些过程非常重要。
### Community
在这里,我们介绍了Community这个R语言包和Web服务器,它可以在大规模scRNAseq病例对照研究中进行差异性通信分析。Community是一个快速且用户友好的工具,不受处理的病例组和对照组样本数量的限制。社区不需要先前的差异性表达分析,而是直接捕捉细胞类型数量、活跃细胞比例以及配体-受体和粘附分子表达的变化。因此,它不仅可以识别病例组和对照组之间的差异性相互作用,还可以区分未变化的相互作用和那些通过多个组件的相互作用得到补偿的相互作用。我们通过将Community分析应用于三种不同的疾病实体(溃疡性结肠炎(UC)、黑色素瘤和急性髓系白血病(AML)来示例差异性通信分析。结果表明,UC的通信强度有所增加,这与其炎症加剧的生理特征一致;在黑色素瘤中,我们发现对抗PD1抗体治疗有反应的肿瘤中的免疫抑制信号减弱;而在AML数据集中,我们观察到通信活动减少,尤其是在免疫组分中。与其他四种通信算法(CellPhoneDB(v3.1)、MultiNicheNet(v2.1)、CellChat(v2.2)和scSeqCommDiff(v2.0)相比,Community在鲁棒性和可扩展性方面表现更优。
### 结果
### 理论基础
Community利用组织中细胞类型的配体-受体和粘附分子相互作用来评估病例组和对照组样本之间的通信(图1A)。它使用了一个灵活的内置数据库,该数据库包含了来自OmniPath的已知配体-受体和粘附分子相互作用信息,用户可以轻松扩展该数据库(图S1)。为了构建这个数据库,我们使用了OmniPath的两个主要相互作用数据库:“ligrec extra”和“curated ligand-receptor interactions”。我们将所有复杂的相互作用分解为其组成部分,使每个相互作用对仅包含一个配体和一个受体。粘附分子对或其他非定向相互作用的组成部分被随机标记为“配体”或“受体”,但在这些情况下可以忽略这种方向性。生成的数据库包含6,941个条目,其中4,157个是配体-受体对,2,784个是粘附分子之间的相互作用。数据库中的每个配体、受体和粘附分子都带有从OmniPath获得的函数注释。
### 结果概述
- 输入是一组来自病例对照研究的scRNAseq数据;输出包括病例组和对照组的重建相互作用、差异性相互作用以及驱动组分的分析。
- 影响组织中细胞类型之间相互作用的组分包括:细胞类型数量(ρ)、活跃细胞的比例(φ)以及配体和受体的表达水平(π)。
- 计算单个相互作用的公式如下:
- 算法的输入是一组scRNAseq计数矩阵和细胞类型注释。
- 算法首先计算每个样本、每对细胞类型和每对配体-受体的相互作用权重。相互作用ID包含发送细胞类型、配体、接收细胞类型和受体。
- 结果的相互作用权重矩阵中,行表示相互作用ID,列表示样本名称。
- 质量控制包括三个过滤器:累积相互作用权重、存在相互作用的样本比例以及对照组和病例组中配体和受体的平均表达水平。
- 对于差异性相互作用,计算病例组和对照组之间的log2FC值和调整后的p值。
### Community的独特之处
Community在定义通信权重时具有独特性,这些权重由三个主要因素决定:细胞类型数量(ρ)、活跃细胞比例(φ)和活跃细胞内的平均表达水平(π)(图1B)。在疾病状态下,细胞类型数量经常受到影响,因为细胞类型组成会发生变化。如果一个或两个通信细胞类型数量减少或增加,这将影响这些细胞类型之间的组织水平相互作用强度。Community通过将细胞类型数量的变化纳入差异性通信分析中来解决这个问题。活跃细胞比例(φ)定义为特定细胞类型中表达目标配体或受体的细胞比例。在疾病状态下,如果某个细胞类型的活跃细胞比例增加或减少,即使该细胞类型的数量和单个细胞的表达水平保持不变,与该细胞类型的通信也可能受到影响。最后,活跃细胞内配体和受体的平均表达水平(π)反映了相互作用的强度,这是最直观且研究最充分的组成部分。迄今为止设计的通信工具主要基于每个细胞类型的平均表达值(伪总体)来计算通信强度,这是φ和π的乘积。然而,这些伪总体表达值的变化并不能捕捉到疾病引起的细胞类型数量的变化,也无法具体说明伪总体表达的变化是由于表达基因的细胞比例变化还是表达水平的变化所致。
### 社区的工作原理
Community通过考虑这三个组成部分来定义两个细胞类型(发送方S和接收方R)之间由特定配体-受体对(l,r)k(或粘附分子对(l,r)k)在特定样本i中介导的相互作用的权重:
$$
\omega_{lrkSi} = \rho_S \cdot \phi_LkS \cdot \phi_RkRi \cdot \pi_LkS \cdot \pi_RkRi
$$
其中,$\rho_S$是发送细胞类型的相对数量,$\rho_Ri$是接收细胞类型的相对数量,$\phi_LkS$和$\phi_RkRi$分别是发送细胞类型和接收细胞类型中配体lk和受体rk的相对活跃比例,$\pi_LkS$和$\pi_RkRi$分别是发送细胞类型和接收细胞类型活跃细胞中配体lk和受体rk的相对平均表达水平(图1C;方法细节)。相互作用权重$\omega_{lrkSi}$的值介于0和1之间。
Community专为处理来自病例对照实验的scRNAseq数据而设计。其输入是预处理过的(即已标准化和批量校正的,如需要)scRNAseq数据集,细胞类型已经进行了注释(图1D输入)。与所有细胞间相互作用分析一样,细胞类型必须同时存在于病例组和对照组中;因此,可能需要合并详细的细胞类型注释。对于癌症等疾病,恶性细胞类型应被注释为其健康对应物的细胞类型类别。
在算法的第一步中,我们计算数据库中每对配体-受体(LRP)之间每种细胞类型的相互作用权重(图1D相互作用权重;图S2)。应用了三个阈值:如果某种细胞类型在某个样本中的数量达到最低限度,则认为该细胞类型被捕获;如果某种细胞类型中表达特定配体或受体的细胞数量达到最低限度,则认为该细胞类型具有足够的活跃比例;如果细胞达到配体或受体的最低表达水平,则认为该细胞是活跃的。每个相互作用都会获得一个ID,包含发送细胞类型、配体和接收细胞类型。这个步骤对所有样本重复进行,最终得到一个以样本ID为列、相互作用ID为行的相互作用矩阵(图1D相互作用权重矩阵)。
在质量控制(QC)步骤中,评估互作的质量,以过滤掉过于微弱或在足够数量的样本中不存在的相互作用(图1D质量控制)。为此,我们应用了三个过滤器:所有样本中的累积相互作用权重、存在相互作用的样本比例以及每个队列中配体和受体的平均表达水平(见STAR方法部分)。
在分析的最后一步,我们计算病例组和对照组之间的差异性相互作用(图1D差异性通信病例组与对照组)。对于每个相互作用,我们首先计算病例组和对照组之间的log2倍数变化以及相应的p值。计算p值时,对于较小的队列推荐使用log2转换后的权重值进行t检验,对于较大的队列推荐使用Wilcoxon检验。我们使用FDR方法来校正多重检验的影响。在此之后,可以可视化并进一步研究显著不同的相互作用。社区的输出主要包括交互作用权重矩阵和交互作用注释矩阵,其中包含用于权重计算的各个组分的详细信息、质量控制指标以及差异通信分析的统计数据。社区还提供了直观的可视化选项,例如差异相互作用的火山图、上调和下调相互作用的热图,以及用于分析各个组分变化的森林图(图1A)。社区的多功能性输出使得用户能够从全局分析细胞间通信的变化(案例与对照组之间)轻松过渡到对个别相互作用的详细研究,从而识别出驱动变化的组分。
为了展示社区的功能,我们将其应用于一个先前发布的原发性人类溃疡性结肠炎(UC)患者和健康对照组的scRNAseq数据集(图2A;图S3A–S3D)。经过过滤后,数据集包含17个UC样本和11个健康对照样本,以及13种细胞类型(图2A;图S3A–S3D)。
图2 溃疡性结肠炎(UC)和健康结肠组织中的通信情况
(A)根据健康状态(左图)和细胞类型(右图)着色的UMAPs。
(B)差异相互作用的火山图,突出显示了相关的相互作用。
(C)每种细胞类型的差异相互作用数量。星号表示细胞类型丰度发生变化的类型。虚线分隔非免疫细胞和免疫细胞区室。
(D)显著相互作用中最常出现的基因排名。图(E)和(F)中的箱形图表示选定细胞类型中相关基因的细胞类型丰度、活跃部分以及活跃部分的平均表达量。
(G)所有成纤维细胞中OSMR和IL6ST的共表达情况。
(H)干细胞和多能细胞中的VEGFA表达的点图,以及血管细胞中的FLT1和KDR表达。颜色代表每种细胞类型的平均基因表达量。点的大小代表该细胞类型在特定细胞区室中的比例。统计分析使用t检验进行。显著发现(p值<0.05)用星号标记。
使用社区,我们发现了15,675个通过质量控制的相互作用,其中2,612个在UC中显著上调,758个下调(图2B;图S3E)。在UC这种炎症性肠病中,由于免疫细胞的涌入和炎症细胞因子的产生,我们预计会观察到整体通信水平的增加。我们的分析显示,上调相互作用中以非免疫细胞类型为主,特别是干细胞和多能细胞,其次是杯状细胞、血管细胞和肠细胞(图2C;图S4A)。对于干细胞和多能细胞、杯状细胞以及成纤维细胞,通信的变化是由活跃部分的增加和平均表达量的增加驱动的;而对于肠细胞和血管细胞,变化还伴随着细胞类型丰度的显著变化(图S5)。这与炎症组织的血管生成和肠细胞的丢失是一致的。在免疫细胞类型中,Treg细胞和肥大细胞显示出最多的上调相互作用(图2C)。这些变化是由所有三个组分共同驱动的(图S5),与免疫激活一致。对于其他免疫细胞类型,通信的变化不是由细胞类型丰度引起的,而只是偶尔由活跃部分或平均表达量的变化引起(图S5)。相反,变化是由这些细胞类型的相互作用伙伴驱动的(图S5)。通过使用更粗粒度和更细粒度的细胞类型注释(3种或43种细胞类型),我们发现了相同的趋势,但同时也识别出了一些仅在细粒度注释中发现的新相互作用,这展示了用户可以选择的粒度级别(补充方法2.2和图S6)。
接下来,我们探讨了差异相互作用中的个别配体和受体(图2D),发现LDLR、CD44、ITGB1和EGFR在UC和其他肠道相关病理中通过驱动炎症起着关键作用。大多数主要的配体和受体同时被非免疫细胞和免疫细胞使用。其他一些,如CD4或KIT,则是免疫细胞区室特异性的(图2D)。我们观察到,对于不同的细胞类型,个别配体和受体可以通过不同的组分影响相互作用强度的变化。例如,CD44被11种细胞类型用作受体(图S4B)。它在调节性T细胞、肥大细胞和B细胞中增加的相互作用中的贡献完全是由这些细胞类型的丰度增加驱动的。相比之下,杯状细胞、巨噬细胞和干细胞及多能细胞增加了表达CD44的活跃部分。对于其他细胞类型,这三个组分都相对稳定,相互作用的变化主要是由发送细胞类型的改变驱动的(图S4B)。这些结果说明了通信变化的调节机制,并表明考虑细胞间相互作用的所有方面对于获得生物学相关的分析是重要的。
作为概念验证,我们探讨了髓系细胞表达的Oncostatin M(OSM)与表达Oncostatin M受体(OSMR)的成纤维细胞之间的上调相互作用(Myeloid:OSMR_Fibroblasts:OSMR)(图2B–2E和2F,p.adj = 0.044,log2FC = 4.798)。这与原始研究的发现一致,并通过共聚焦显微镜得到了验证。社区确定,通信的整体增加是由表达OSMR的成纤维细胞亚群的扩张驱动的,因为表达OSMR的成纤维细胞的比例从0%(健康组)增加到17%(UC组)(图2E)。许多研究表明,OSMR的激活伴随着其异二聚体对应物IL6ST的共激活。为了验证这一点,我们比较了这两种基因的共表达水平,发现UC组中的共表达比例高于健康对照组(p.val = 0.006)(图2G;图S4C)。此外,社区数据库将OSMR-IL6ST对标记为一个复杂 coppia,社区还捕捉到Fibroblasts:OSMR_Fibroblasts:IL6ST相互作用显著上调(p.adj = 0.049,log2FC = 4.747),这可能是共表达的结果(图2F和2G;图S4C)。
除了探索整体通信变化和识别初始出版物中已描述的驱动相互作用变化的组分外,我们还发现了新的相互作用。其中,我们发现了干细胞和多能细胞与VEGFA与FLT1以及干细胞和多能细胞与VEGFA与KDR之间的显著上调相互作用(图2B)。社区确定这些相互作用是由干细胞和多能细胞中VEGFA的活跃部分和平均表达量的增加以及血管细胞丰度的增加驱动的(图2H;图S4D)。VEGFA是已知的血管生长和病理性血管生成的驱动因子,在炎症性缺氧的情况下常常过度表达。我们的分析显示,在UC组中的干细胞和多能细胞中,PHD家族(HRE复合体成员)的平均表达量增加(图S4E)。
这些结果表明社区可以应用于炎症性疾病的病例对照数据集。它可以帮助识别已知的相互作用,并使用户更深入地理解相互作用的变化。它还能够识别如OSM-OSMR/IL6ST这样的复杂相互作用。此外,它还可以检测到之前遗漏的相互作用,这些相互作用提供了对疾病特异性通信模式的见解,有助于发现新的治疗靶点。
接下来,我们旨在探索免疫检查点抑制剂治疗下肿瘤微环境内的相互作用。为此,我们研究了一个包含19个治疗前样本(其中8个有响应,11个无响应)和治疗后样本(其中6个有响应,22个无响应)的人类黑色素瘤scRNAseq数据集(图3A)。在这篇出版物中,已经分离出了肿瘤微环境(图3A)。
图3 免疫检查点抑制剂治疗下黑色素瘤中的通信情况
(A)根据治疗时间和治疗反应(左图)以及细胞类型(右图)着色的UMAPs。
(B)差异相互作用的火山图,突出显示了抑制性相互作用。
(C)每个队列中从肿瘤微环境向耗竭的CD8 T细胞传递的抑制性相互作用的网络图。颜色代表不同的抑制性通路。边宽代表属于特定抑制性信号传导的相互作用的平均权重。
(D)耗竭CD8 T细胞中PD1激活特征的得分。
(E)耗竭CD8 T细胞中CTLA4激活特征的得分。
我们进行了两次单独的通信分析:治疗前无响应者与有响应者之间的比较,以及治疗后无响应者与有响应者之间的比较。在这两种情况下分别运行了社区分析,在过滤掉未通过质量控制的相互作用后,我们分别在每次比较中识别出了49,986个和67,554个高质量相互作用,以及375个和5,438个差异相互作用。特别是,我们观察到治疗后的无响应者与有响应者之间的通信差异比治疗前更为明显(图3B)。具体来说,我们观察到来自抗原呈递细胞向耗竭CD8 T细胞的以下免疫抑制通路的显著上调信号:PD-L1/PD-L2 – PD-1、CD80/CD86 – CTLA-4、MHC-II – LAG-3、Galectin-9/Ceacam-1 – TIM3、CD155 – TIGIT(图3B)。耗竭的CD8 T细胞主要从巨噬细胞、树突状细胞(DCs)、激活的调节性T细胞、记忆CD8 T细胞以及循环T细胞接收这些信号(图3C)。肿瘤微环境中的其他细胞类型也显示了抑制性信号,但程度较低(图3C)。虽然有响应者在治疗前显示出活跃的抑制性信号和PD-1及CTLA-4通路的激活,但在治疗后这种信号消失了(图3C–3E)。相比之下,无响应者的抑制水平在治疗前后没有变化(图3C–3E)。有趣的是,无响应者在治疗前的抑制水平本质上就更高,这可能导致治疗失败(图3C–3E)。
这些结果表明社区不仅可以用来研究病例与对照组之间的通信差异,还可以研究疾病亚型之间的通信差异。在这个案例中,将其应用于比较黑色素瘤患者在检查点抑制剂治疗前的有响应者和无响应者,我们发现使用特定免疫抑制途径的通信增加了。
为了评估社区的多功能性,我们还将它应用于一个癌症病例对照数据集,在这个数据集中,健康组织中不存在恶性细胞。这个已发布的成人骨髓(BM)scRNAseq数据集包括7名诊断为急性髓系白血病(AML)的个体和6名健康对照组。我们定义了8种细胞类型:造血干细胞和祖细胞(HSPC)、单核细胞、粒细胞、树突状细胞(DC)、红细胞、B细胞和自然杀伤细胞(NK)(图4A;图S7A–S7D)。
图4 健康和AML骨髓中的通信情况
(A)根据健康状况(左图)和细胞类型(右图)着色的人类骨髓scRNAseq数据集的UMAPs。
(B)健康(左图)和AML(右图)队列中按细胞类型分组的优质相互作用。
(C)AML与健康之间的差异相互作用火山图。
(D)健康(左图)和AML(右图)队列中差异相互作用的网络图。边宽代表两个连接细胞类型之间所有差异相互作用的平均权重。
(E)上调和下调相互作用中涉及的配体的堆叠小提琴图。
(F)下调相互作用中涉及的受体的堆叠小提琴图。
在运行社区并过滤掉未通过质量控制的相互作用后,我们识别出了22,645个高质量相互作用。首先,为了总体上了解通信结果,我们按细胞类型对相互作用进行了分组。为此,我们汇总了每对细胞类型之间所有通信边界的相互作用权重,然后将它们归纳为三个广泛的交互作用类别:“涉及HSPC”、“免疫细胞类型间”和“涉及红细胞”(图4B)。涉及HSPC的类别包括HSPC作为发送或接收细胞类型,或两者兼有的类别。“免疫细胞类型间”的类别包括发送和接收细胞类型均为免疫细胞的类别。“涉及红细胞”的类别包括红细胞作为发送或接收细胞类型,或两者兼有的类别。在健康组中,我们观察到“免疫细胞类型间”的相互作用类别的平均权重较高,而涉及HSPC或红细胞的类别权重相对较低。在AML组中,我们观察到免疫相互作用的平均权重下降,表明这些患者的免疫驱动通信较少(图4B)。在AML中,涉及HSPC的类别相互作用权重高于健康对照组(图4B)。这些结果与已知生物学现象一致,因为免疫细胞在健康骨髓中最为丰富;因此,我们预计它们对组织内的整体通信贡献最大。然而,在AML中,由于分化受阻和免疫抑制,我们预计会观察到免疫驱动通信的减弱。此外,由于原始细胞的扩增及其对其他细胞的抑制性相互作用活动增加,我们预期会观察到与HSPC相关的相互作用增加。接下来我们进行了差异通信分析,识别出2,664个差异相互作用,其中109个在AML中上调,2,555个下调(图4C)。大多数下调的相互作用涉及不同免疫细胞类型之间的相互作用,而上调的相互作用主要涉及HSPC与免疫细胞类型之间的相互作用(图4D)。像许多癌症一样,白血病细胞通过多种机制(例如T细胞耗竭和HLA丢失)抑制免疫反应来避免被免疫系统破坏;因此,我们预计会看到整体通信的减少,尤其是涉及免疫细胞的通信。为了进一步研究免疫通信减少的机制,我们检查了每种细胞类型中哪些成分最为显著。在这个数据集中,DCs在三个成分上均显示出下降:细胞类型丰度、活性部分和平均表达水平(图S8)。HSPC和红细胞前体表现出细胞类型丰度的上调和活性部分的下调,而B细胞、单核细胞和粒细胞则在活性部分和平均表达水平上有所变化。T细胞和NK细胞仅在活性部分和平均表达水平上偶尔发生变化(图S8)。在下调的相互作用中,我们发现了那些涉及表达TNFSF14、NRG1、HP、TNFRSF14和SIGLEC7的单核细胞的相互作用,这些变化主要是由单核细胞中这些基因的活性部分减少引起的(图4E和4F;图S7F)。这些基因具有免疫激活作用,单核细胞中这些基因的丢失表明骨髓内存在免疫抑制环境。通过对肿瘤免疫相互作用的更 focused 分析也得到了类似的结果(图S9)。因此,我们的通信结果表明免疫细胞内的通信减少,可能是由于肿瘤引起的免疫抑制所致。
上调的相互作用主要包括PDE1B阳性的HSPC与三种细胞类型(B细胞、T细胞和单核细胞)之间的相互作用,这些细胞都表达钙调蛋白基因家族(CALM1-3)。PDE1B阳性的HSPC已被认为是白血病起始细胞群。尽管免疫细胞中的钙调蛋白表达没有变化,但通信的变化是由HSPC的三个组分的增加驱动的:细胞类型丰度、表达PDE1B的HSPC的活性部分以及活性部分内PDE1B的平均表达水平(图4E和4G;图S7F)。为了在不同的数据集上独立重现我们的结果,我们将相同的分析应用于包含更多样本的AML和健康数据集(图S10A–S10E)。这个队列由9个AML样本和26个健康样本组成,包含6种主要的细胞类型(HSPC、单核细胞、红细胞、B细胞、T细胞和DCs)。再次,我们在AML中发现了更多的下调相互作用,而上调相互作用主要涉及免疫细胞之间的相互作用(图S10F–S10H)。仅使用两个数据集共有的细胞类型,我们比较了免疫细胞内的相互作用重叠部分,发现了345个相互差异的相互作用(图S11A)。免疫细胞类型之间的相互下调相互作用表明骨髓中的免疫激活信号减少,特别是由于表达NRG1和HP的单核细胞减少所致(图S11B)。
总之,使用社区分析方法,我们发现AML中免疫细胞内的通信普遍下调,表明存在免疫抑制,而包含肿瘤细胞的HSPC细胞群则表现出通信的上调。社区模块在完整模式下显示出的配对数量位居第二(图6B;图S13)。图6 与现有管道的比较显示完整标题图形查看器(A)用于比较社区、CellPhoneDB、MultiNicheNet和CellChat的配体-受体数据库的管道。(B)比较社区、CellPhoneDB、MultiNicheNet和CellChat的精选数据库中的配体-受体配对数量。(C)用于比较社区、CellPhoneDB、MultiNicheNet和CellChat的通信结果的管道。(D)实际内存和耗时比较。(E)差异性相互作用。(F)社区、CellPhoneDB、MultiNicheNet和CellChat识别的差异性相互作用显示了在多少健康或AML样本中发现了这种相互作用(每个点代表一个相互作用)。(G)社区在其他工具识别为显著差异性相互作用后,经过移除代表性不足的相互作用后,按组分分类的log2FC变化。(H)一个由其他工具识别为显著的相互作用示例(在移除代表性不足的相互作用后),尽管显示出不均匀的变异性。每个样本的表达值以箱形图的形式显示配体和受体,显示出AML队列内的显著内部变异性。(I)基于社区的CellChat、CellPhoneDB和MultiNicheNet检测到的显著相互作用的分类。堆叠条形图显示了在移除代表性不足的相互作用后,标记为异质性、补偿性或差异性的相互作用的比例。(J)一个示例相互作用(Mono:HMGB1到T:CXCR4)通过细胞类型丰度表现出稳定补偿效应。左图分别显示了单核细胞和T细胞中HMGB1和CXCR4的表达水平。右图显示了健康和AML样本中单核细胞和T细胞的细胞类型丰度。(K)当将两种单核AML病例视为不同亚型时,Mono:HMGB1到T:CXCR4的相互作用。左图分别显示了单核细胞和T细胞中HMGB1和CXCR4的表达水平。右图按亚型划分了健康和AML中单核细胞和T细胞的细胞类型丰度。对于j和k,p值使用Wilcoxon检验计算。对于调整后的p值使用了Bonferroni校正。接下来,我们使用Lasry等人的数据集比较了社区与基于Seurat的CellPhoneDB、MultiNicheNet和CellChat的差异性通信结果(图4A)。为了确保结果之间的差异是由算法行为引起的,而不是由原始配体-受体数据库的差异引起的,我们为所有工具使用了社区数据库,并将其转换为工具特定的格式(图6C)。由于自定义数据库(例如,添加新的配体-受体配对)对某些研究可能很重要,我们使用它们提供的管道测量了CellPhoneDB和MultiNicheNet的这一步骤所需的时间和内存消耗。构建自定义数据库的运行时间和内存消耗分别为CellPhoneDB需要2分钟和250MB内存,CellPhoneDB和MultiNicheNet需要5小时和9GB内存(图6D)。相比之下,社区和CellChat不需要构建数据库;相反,它们只需要一个包含特定列的简单数据框。CellChat、CellPhoneDB和MultiNicheNet主要从所有样本的汇总数据中平均每个细胞类型的单个基因表达水平推断差异性通信,而不进行样本间过滤。例如,这三种方法的默认阈值是每个细胞类型中有超过10%的“活跃”细胞(即表达该基因),即使该基因仅由一个样本的细胞表达。因此,即使表达变化来自属于单个样本的细胞,相互作用有时也能通过过滤。相比之下,社区要求相互作用在多个样本中被观察到,并过滤掉代表性不足的相互作用(图6F)。因此,CellChat、CellPhoneDB和MultiNicheNet发现的相互作用数量明显高于社区发现的相互作用数量(分别为6,422、5,732和14,104,而社区为735个)(图6E)。如图6F所示,社区仅保留了在至少五个健康或AML样本中发现的相互作用,而CellPhoneDB、MultiNicheNet和CellChat捕获了许多即使只在其中一个样本中存在的相互作用。当我们移除了这些代表性不足的相互作用后,CellPhoneDB、MultiNicheNet和CellChat分别仅显示出2,941、9,429和3,700个差异性相互作用(图S13D)。关键的是,通过样本级别的质量控制并不意味着队列之间的差异性变化。社区使用复合得分(权重,见理论基础和STAR方法部分)测试每个样本的相互作用强度,然后比较这些得分在各个队列之间的差异。这种设计解决了两种失败模式。首先,补偿性相互作用:细胞组成或活跃分数的相反变化抵消了表达变化,导致整体log2FC值较小,尽管个别组分的改变很大(图5D、5E和6G)。其次,异质性调用,其中聚合数据集中的∣log2FC(w)∣>1,但样本间的方差很大,使得差异不显著(例如,p值>0.05),表明是由异常值驱动的模式。这一趋势通过红细胞表达ADAM10和T细胞表达CD44的相互作用为例(图6H),其中红细胞中表达配体ADAM10的细胞的表达水平在不同队列之间有所不同,但在AML组内差异很大。较大的log2FC是由于一小部分AML样本的表达升高造成的,这种偏斜使其他工具将这种相互作用识别为显著,而不同队列之间的分布高度重叠。通过评估每个样本的复合得分,社区对补偿性和异常值驱动的伪影具有很强的抵抗力,而其他方法则将它们输出为显著相互作用(图6I)。这两种现象可以在同一个相互作用中同时发生,其中一个队列显示发送基因的异常值驱动的扩展,而另一个队列显示相应接收者的补偿性损失。这种双重模式在表达HMGB1的单核细胞和表达CXCR4的T细胞之间得到了说明。HMGB1与CXCL12一起已被证明可以促进CXCR4介导的免疫细胞招募。由于CellPhoneDB、CellChat和MultiNicheNet依赖于伪批量水平上每个细胞类型的平均基因表达,并忽略了丰度变化,因此它们无法捕捉到发送者和接收者之间的补偿。在这种情况下,单核细胞中的HMGB1表达保持稳定,而T细胞中的CXCR4表达在AML队列中显著增加(图6J)。基于表达的工具因此预测这种相互作用为上调(表S3)。然而,社区分析揭示了这种明显的上调是由于细胞类型组成的异质性造成的(图6J)。两个单核来源的AML样本(AML-0024和AML-0160)(图S7C)显示单核细胞比例显著增加但T细胞减少,导致发送者信号膨胀但接收者可用性降低。相反,在非单核AML病例中,单核细胞减少而T细胞部分增加,导致相反的补偿趋势(图6K)。因此,整个队列中的相互作用权重保持稳定。因此,社区正确地将这种相互作用识别为未改变,捕捉到了基于表达的方法忽略的异常值驱动和补偿效应之间的平衡。虽然社区和CellChat将差异性相互作用分类为上调或下调,但CellPhoneDB和MultiNicheNet没有提供方向性信息。为了进一步比较结果的一致性,我们将CellPhoneDB和MultiNicheNet的相互作用分类为上调或下调,如果配体-受体对中的任何一个或两个基因分别表现出差异性上调或下调。在两个伴侣都表现出差异性表达但方向不一致的情况下,相互作用被分类为“模棱两可”。MultiNicheNet还识别了一些配体或受体都不在差异性表达基因中的差异性相互作用,这些相互作用也被分类为“模棱两可”。所有四种算法在所有重叠相互作用的分配上表现出一致性(图S13E)。最后,我们使用所有三个数据集测试了这四种工具的资源使用情况:Smillie等人的UC与健康数据集,以及Lasry等人的两个AML与健康数据集,还有van Galen等人和Oetjen等人的集成数据集。我们将每个数据集分成不同数量的样本(n = 2到n = 40),并测量了耗时以及峰值VRAM使用情况。社区在所有测试条件下的表现都是最快的算法,并且随着样本数量的增加,它的可扩展性最好。对于最大的数据集,社区也是最节省内存的工具(图6D;图S14A–S14D)。讨论社区是一个快速且稳健的R包,用于大规模scRNAseq病例对照研究中的差异性通信分析。社区探索了数据集的三个不同方面的信息:个别细胞类型的减少或扩展(细胞类型丰度)、它们的活跃分数的变化以及基因表达水平。使用特定的配体-受体对,特定细胞类型之间的整体通信变化取决于这些组分的相互作用。由于这一特性,社区可以轻松追踪哪些组分对通信变化影响最大,从而更好地理解潜在的生物过程。由于这种详细的组分分析,社区能够区分真正未改变的相互作用(没有组分发生变化)和补偿性相互作用(组分朝相反方向变化以相互抵消,从而使整体通信强度保持稳定)。这些稳定通信的效果在疾病的早期阶段可能特别重要,在这些阶段,组织稳态可以通过这种机制得到恢复和保持。社区提供的检测补偿性相互作用的能力是一个完全新颖的功能。在这种情况下,社区使用的关键信息之一是细胞类型丰度。大多数传统技术省略了这一信息,仅关注细胞类型内配体和受体的表达水平。这导致了在补偿性通信情况下的差异性相互作用的错误分配。例如,如果发送细胞类型将配体表达保持在稳定水平但变得更加丰富,这将导致组织中配体的整体可用性增加。接收细胞类型可能由于受体相关下游通路的过度刺激而感知到这一点,并激活反馈机制来降低受体水平,使通路活动恢复到生理水平。因此,发送者和接收者之间的相互作用将被补偿。在这种情况下,考虑关于发送细胞类型丰度增加的信息以及接收者表达的减少至关重要,否则这种相互作用将被识别为下调。这在专注于识别新疾病靶点的研究中可能非常关键,因为破坏补偿机制可能导致疾病恶化。社区能够检测细胞类型活跃分数的变化。这一属性在细胞类型中表达配体或受体的细胞比例非常小的情况下特别有利。依赖于配体和受体差异性表达分析的工具可能会错过这些相互作用。这是因为DEG分析管道可能无法检测到这些基因,因为它们被大量不表达的细胞所主导。例如,在UC中,已经描述了表达OSM的炎症性单核细胞与表达OSMR的炎症性成纤维细胞之间的相互作用。由于这些基因仅存在于非常小的单核细胞和成纤维细胞亚型中,它们不会出现在DEG中,因此会被基于DEG的技术忽略。然而,社区能够正确地将这种相互作用识别为显著上调。关于细胞活跃分数内表达水平变化的信息表明了配体或受体上游通路的潜在变化。这可能是由于染色质可访问性的改变、转录因子的活性或转录后修饰造成的。社区使得筛查这些相互作用变得容易,为进一步的分析提供了一组候选项。社区提供了一个包含精心策划和预测的配体-受体相互作用和粘附分子的庞大数据库。与其他工具相比,社区在数据库中保留了关于复杂分子的信息,但在计算单个相互作用时将其分开。那些保持复杂组成不变的工具通常计算复杂组分的平均表达。如果疾病中某种相互作用减少或增加,使用这种策略需要额外的分析来追踪这种变化是否影响了复杂的所有组分或仅部分组分。相比之下,社区分别跟踪复杂的每个组分,因此可以轻松重建驱动变化,正如我们在Smillie等人的数据集中的Myeloid:OSM_Fibroblasts:OSMR-IL6ST相互作用示例中所展示的。另一个现象是,在疾病状态下,这种复合体的组成可能与健康状态或不同细胞类型之间存在差异。在这种情况下,如果这种复合体的平均表达值恰好保持相似,传统方法可能会忽略这种组成变化,但社区方法(community approach)能够捕捉到这一变化。社区方法的另一个优势是它对异常值样本具有很强的鲁棒性。特别是在处理人类数据时,由于样本制备和个体差异,异质性和个体特异性特征是常见的问题。用于scRNAseq中差异表达基因(DEG)分析的传统流程(如Seurat或scanpy)不能区分来自不同样本的细胞,因此容易受到异常值样本的影响。结果,这些分析技术可能会发现由异常值样本驱动的假想的差异性通讯模式。相比之下,社区方法不会将一个队列中的所有细胞合并到一个池中,而是分别重建每个样本中的通讯情况。这使得在质量控制和差异性通讯分析步骤中可以轻松排除由异常值样本引起的交互作用,从而稳健地识别出通常由疾病状态驱动的通讯变化。
我们将社区方法的性能与领域内最流行的工具(如CellPhoneDB、MultiNicheNet、scSeqCommDiff和CellChat)进行了比较。社区方法通过将细胞类型丰度作为影响细胞间通讯的因素之一,带来了独特的优势,从而能够区分真正未改变的通讯和经过补偿的通讯,并且对异常值样本具有很高的鲁棒性。它拥有最大的配体、受体和粘附分子数据库,用户可以方便地对其进行更新。社区方法在速度、可扩展性和处理大型数据集的内存效率方面表现更为出色。其他采用队列基础方法的新兴工具包括DIALOGUE、Tensor-cell2cell、scITD和MOFAcell。DIALOGUE使用惩罚矩阵分解来推断多细胞程序,这对应于不同细胞类型中的高阶协调表达程序。Tensor-cell2cell、scITD和MOFAcell依赖于共变表达模式的因子分析,将细胞间通讯简化为因子或载荷集,这可能难以针对每个配体-受体交互进行解释。与社区方法不同,这些方法没有提供区分真正未改变的交互和经过补偿的交互的选项。社区方法的基于组件(component-based)的方法克服了这些挑战,确保了差异性通讯分析的稳健性和可解释性。
总的来说,社区方法是一个用户友好的、可扩展的R语言工具,以及一个用于基于scRNAseq的病例-对照类型分析的交互式Web服务器。它能够进行稳健的细胞间交互分析,提供有关疾病状态下通讯变化潜在生物学过程的信息,例如某些细胞类型的扩增或减少、产生配体的活性细胞部分以及这些细胞中的表达水平。社区方法速度快、内存效率高且可扩展,并提供了直观的可视化展示。总之,社区方法是分析大型数据集并更好地理解健康和疾病状态下细胞间通讯过程的优秀工具。
**研究的局限性**
- 社区方法需要预处理的scRNAseq数据,且细胞类型必须在病例组和对照组中都存在。在癌症数据集中,恶性细胞必须映射到相应的健康细胞类型类别。因此,研究结果取决于预处理的质量、细胞类型注释以及用户选择的细胞类型粒度。
- 分析还依赖于多个阈值,如细胞类型大小、活性细胞数量、表达水平、质量控制指标log2FC和FDR。正如手稿中提到的,小型队列可能需要进行t检验,这可能会导致假阳性结果,需要进一步的验证。
- 社区方法根据细胞类型的丰度、信号细胞的活性部分以及这些细胞中的表达水平来推断通讯模式;因此,候选的交互作用和推断出的驱动组件应被视为需要后续分析或正交验证的计算信号。
- 最后,由于本研究基于异构的公开可用数据集的二次分析,因此无法评估基于性别的结果差异。因此,细胞间通讯的潜在性别特异性效应未被评估,这也是本研究的一个局限性。
**资源可用性**
- 有关更多信息和资源的请求应联系主要联系人Maria Colomé-Tatché(maria.colome@bmc.med.lmu.de),她将予以协助。
**材料可用性**
- 本研究没有生成新的独特试剂。
**数据和代码可用性**
- **数据**:处理过的健康和AML骨髓数据集已存放在Zenodo上,公开访问编号分别为Zenodo: 7962808和Zenodo: 10013368。处理过的溃疡性结肠炎和健康结肠数据集也在Zenodo上公开,访问编号为Zenodo: 10013294。本研究中分析的公开可用数据集的访问编号如下:溃疡性结肠炎和健康结肠数据集为SCP259;黑色素瘤免疫检查点抑制剂数据集为GEO: GSE120575;健康和AML骨髓数据集分别为GEO: GSE185381和GEO: GSE116256;健康骨髓数据集为GEO: GSE120221。这些访问编号也列在关键资源表中。
- **代码**:community R包及配套教程可在GitHub上的SoloveyMaria/community获取。用于生成图表的数据预处理管道和脚本可在colomemaria/community-paper获取。交互式Web应用程序的源代码可在macelik/community_rshiny获取。这些仓库的链接也在关键资源表中提供。
**如需重现或重新分析本文报告的结果,请联系主要联系人获取任何额外信息。**
**致谢**
我们感谢Helmholtz Zentrum München的核心统计咨询团队,特别是Dr. Marina Jimenez Munoz、Ronan Le Gleut、Raphael Meixner和Prof. Dr. Christiane Fuchs在统计测试方面的协助。本工作得到了Helmholtz协会的支持,属于联合研究项目“HIDSS-006 - Munich School for Data Science@Helmholtz, TUM&LMU”。M.C.T.和M.S.得到了Helmholtz-Gemeinschaft的Impuls-und Vernetzungsfonds(资助编号VH-NG-1219)的资助。F.Z.还得到了LMU大学F?rderprogramm für Forschung und Lehre(资助编号F?FoLe-1048)以及德国癌症联盟(DKTK)和巴伐利亚癌症研究中心(BZKF)的资助。F.R.S.则获得了LMU大学F?rderprogramm für Forschung und Lehre(F?FoLe)的资助。
**作者贡献**
M.S.、M.C.T.、F.Z.和A.S.设计了本研究。M.S.、M.A.C.、F.R.S.、M.I.和M.A.-F.负责软件开发和数据分析。C.G.和M.H.开发了Web界面。M.S.、M.C.T.、F.Z.、M.A.C.和F.R.S.共同解读了研究结果。M.S.、M.C.T.、M.A.C.和F.Z.在所有作者的共同参与下撰写了论文。
**利益声明**
作者声明不存在利益冲突。
**STAR**
**方法**
**关键资源表**
| REAGENT | RESOURCE | SOURCE | IDENTIFIER |
|---------|---------|---------|----------|
| | 处理过的健康和AML骨髓数据集 | Zenodo: 7962808 | 本文 |
| | 处理过的整合健康和AML骨髓数据集 | Zenodo: 10013368 | 本文 |
| | 溃疡性结肠炎和健康结肠数据集 | Zenodo: 10013294 | 本文 |
| | 溃疡性结肠炎和健康结肠scRNAseq数据集 | Smillie等人;Broad DUOS受控访问仓库 | SCP259 |
| | 黑色素瘤免疫检查点抑制剂scRNAseq数据集 | Sade-Feldman等人;ImmuCAN scDB | https://immucanscdb.vital-it.ch/api/scrnaseq/MEL_IMM_SS2_GSE120575/h5ad | 本文 |
| | 健康和AML骨髓scRNAseq数据集 | Lasry等人 | GEO: GSE185381 | 本文 |
| | 健康和AML骨髓scRNAseq数据集 | van Galen等人 | GEO: GSE116256 | 本文 |
| | 健康骨髓scRNAseq数据集 | Oetjen等人 | GEO: GSE120221 | 本文 |
**软件和算法**
| | community包及教程 | https://github.com/SoloveyMaria/community | 本文 |
| | 数据预处理管道及所有图表 | https://github.com/colomemaria/community-paper | 本文 |
| | 交互式Web应用程序 | https://github.com/macelik/community_rshiny | 本文 |
| | R (v4.3.3) | R Foundation | https://www.r-project.org/Shiny (v1.8.0) | 本文 |
| | Posit/R | RStudio | https://shiny.posit.co/MyGene (v1.38.0) | 本文 |
| | Mark等人 | https://bioconductor.org/packages/mygene/scran (v1.26.2; v1.30.2) | 本文 |
| | Lun等人 | https://bioconductor.org/packages/scran/scGen (v2.1.0) | 本文 |
| | Lotfollahi等人 | https://github.com/theislab/scgenscanpy (v1.11.0) | 本文 |
| | Wolf等人 | https://scanpy.readthedocs.io/CellPhoneDB (v3.1.0) | 本文 |
| | Efremova等人 | https://github.com/ventolab/CellphoneDB | 本文 |
| | MultiNicheNet (v2.1.0) | 本文 |
| | Browaeys等人 | https://github.com/saeyslab/multinichenetr | 本文 |
| | CellChat (v2.2) | 本文 |
| | Jin等人 | https://github.com/jinworks/CellChats | 本文 |
| | scSeqCommDiff (v2.0) | 本文 |
| | Cesaro等人 | https://gitlab.com/sysbiobig/scseqcommmlr | 本文 |
| | MBO (v1.1.5.1) | 本文 |
| | Bischl等人 | https://cran.r-project.org/package=mlrMBO | 本文 |
| | Seurat (v4.3.0) | 本文 |
| | Hao等人 | https://satijalab.org/seurat/OmnipathR (v3.10) | 本文 |
| | Türei等人 | https://bioconductor.org/packages/OmnipathR | 本文 |
| | Hao等人 | https://satijalab.org/seurat/psrecord (v1.3) | 本文 |
| | psrecord | https://github.com/astrofrog/psrecord | 本文 |
**实验模型和研究参与者详情**
本研究完全基于先前发表的人类单细胞RNA测序(scRNA-seq)数据集,未招募新的参与者,未收集生物样本,也未进行任何实验操作。分析的数据集包括公开可用的溃疡性结肠炎、接受免疫检查点抑制剂治疗的黑色素瘤以及急性髓系白血病(AML)患者队列及其相应的健康对照队列,这些信息在原始出版物中有描述,并列在关键资源表中。样本规模包括17个溃疡性结肠炎样本和11个健康对照样本,47个黑色素瘤样本(19个治疗前样本和28个治疗后样本),以及两个独立的AML队列(分别包含7个AML样本和6个健康骨髓样本,以及9个AML样本和26个健康骨髓样本)。性别、年龄等参与者元数据在原始研究中获取(如有的话)。由于本研究的局限性,无法评估基于性别的结果差异。
**社区数据库构建**
构建社区数据库时使用了OmniPath的两个数据集:“ligrec extra”(包含无文献参考的配体-受体交互,截至2024年2月共有8350个交互)和“curated ligand-receptor interactions”(截至2023年2月共有5141个交互)。考虑了“ligrec extra”和“curated ligand-receptor interactions”数据集中的二进制交互和复合交互。复合交互被分解为所有可能的二进制组合,然后通过OmniPath的蛋白质-蛋白质相互作用(PPI)网络进行验证,以确保识别的二进制交互得到现有PPI数据的支持。如果一个基因被至少两个资源分类为配体或受体,则将其归类为配体或受体;不符合配体或受体类别的基因被归类为粘附分子。配体-受体对中的基因默认顺序为配体在前,受体在后。如果发现配体-受体交互的位置颠倒,我们会相应地调整顺序。对于粘附分子交互,检查了“ligrec extra”和“curated ligand-receptor interactions”中的共识方向性。如果共识方向一致,则保留该方向性(“consensus_direction”值为1);否则,按照字典顺序确定方向性(“consensus_direction”值为0)。此外,还使用MyGene库(v1.38.0)为每个基因添加了功能注释,为用户提供额外信息。最终数据库包含6941对交互。
**交互权重公式**
对于特定样本和特定配体-受体(或粘附分子)对之间的交互权重ω,计算方法如下:
$$
\omega(\lambda_s, \rho_r) = \frac{\sum_{i \in S} \sum_{j \in R} \lambda_s^i \rho_r^j \frac{\lambda_i \cdot \rho_j}{\sum_{i \in S} \lambda_i \cdot \sum_{j \in R} \rho_j}
$$
其中 $\rho_s$ 和 $\rho_r$ 分别表示发送细胞类型S和接收细胞类型R的相对丰度;$\lambda_{lkS}$ 和 $\rho_{rkR}$ 分别表示发送细胞类型和接收细胞类型中配体和受体的相对活性比例;$\pi_{lkS}$ 和 $\pi_{rkR}$ 分别表示发送细胞类型和接收细胞类型中活性部分中配体和受体的相对平均表达量。详细信息见补充方法部分。
**关于研究设计和数据预处理的建议**
关于最小样本量以及在下采样病例-对照样本数量或表达值时结果鲁棒性的分析建议,在补充方法2.1中有说明。关于层次化细胞类型结构下细胞类型粒度影响的分析和建议在补充方法2.2中有详细阐述。
**社区流程**
为了计算通讯,设置了三个阈值:threshold_celltype_size、threshold_nr_active_cells和threshold_expr。threshold_celltype_size是每个样本中某一细胞类型的最低细胞数量阈值。如果某个样本中某细胞类型的细胞数量小于或等于threshold_celltype_size,则认为该细胞类型在该样本中缺失。threshold_nr_active_cells是每个样本中某一细胞类型的最低活性细胞数量阈值。活性细胞定义为表达超过threshold_expr的细胞(见下文)。如果某个样本中某种细胞的活性细胞数量小于或等于threshold_nr_active_cells,则认为该细胞类型中该基因的活性部分为0。threshold_expr是单个细胞中基因表达值的阈值。如果细胞的基因表达值大于threshold_expr,则认为该细胞为活性细胞。否则,该基因在此细胞中的表达将被设置为零,该细胞将被视为该基因不活跃。在进行质量检查时,使用了以下过滤器:累积交互权重过滤器、每个队列中的存在过滤器以及配体/受体表达过滤器。如果一个交互通过所有三个过滤器,则认为其质量良好。累积交互权重过滤器检查每个交互计算出的对数10累积权重,并移除权重较低的交互。要通过此过滤器,交互的权重需要大于threshold_log10_cum_weight阈值。这个阈值设定在对数10累积权重概率分布密度的拐点处。每个队列中的存在过滤器检查在对照队列和实验队列中检测到交互(即具有非零值)的样本比例,并移除在太少样本中发现的交互。要通过此过滤器,交互的值需要在对照队列或实验队列中或两者中都大于threshold_frac_samples_per_condition阈值。配体/受体表达过滤器检查实验组和控制组样本中配体和受体的平均表达水平,并移除配体或受体表达最低的交互。此过滤器使用threshold_log10meanexpr_per_condition阈值。对于每个交互,检查以下四个对数10平均表达值:i) 对照组样本中发送细胞的配体,ii) 实验组样本中接收细胞的受体,iii) 实验组样本中发送细胞的配体,以及iv) 实验组样本中接收细胞的受体。如果交互的配体和受体在对照组样本或实验组样本中或两者中都通过阈值,则该交互通过此过滤器。
在实验组和对照组之间,使用对数2转换后的权重的t检验或未经转换权重的Wilcoxon检验来计算差异通信。多重检验的默认调整方法为FDR。如果数据集每个队列的样本数量较少,我们建议使用t检验,即使数据不符合正态分布。在样本量小且需要测试的特征数量较多的情况下,使用Wilcoxon检验可能过于保守,导致结果只包含真正的阴性值和假阴性值。在这种情况下,t检验选项可能会产生统计上显著的结果,但这些结果可能包含大量假阳性结果,不过可以在后续的实验室验证步骤中进行筛选。交互的对数2FC(log2FC)计算为其在实验组中的平均权重与对照组中的平均权重的比值的对数2。为了识别显著差异的交互,用户需要指定threshold_log2FC和threshold_fdr。关于如何在社区管道中最好选择阈值的建议包含在补充方法3中。
**交互式平台**
一个基于Web的交互式应用程序可在以下链接访问:https://github.com/macelik/community_rshiny,它使用Rshiny软件(v.1.8.0,一个开源的R框架)构建,可以在本地执行以探索数据和结果。
**健康-溃疡性结肠炎数据集的预处理**
该数据集包含来自12名健康个体和18名溃疡性结肠炎(UC)个体的48个结肠活检样本,每位个体取了多个活检样本,但为了排除数据中的共依赖性,每位个体只保留了一个活检样本(参见下文)(存取编号SCP259)。对于UC个体,只考虑了发炎的活检样本。每个样本的上皮层和固有层被合并。原来的50种细胞类型被合并为19个更广泛的类别(表S1)。在质量控制过程中,只保留了读数在1,000到30,000之间且包含超过500个基因的细胞。对于基因过滤,设置了伪批量计数的阈值大于3。每种细胞类型在每个样本中至少需要有5个细胞,并且在48个样本中的至少40个样本中被捕获。样本过滤器设置为13种细胞类型中的12种。对于每位个体,只保留了包含最多细胞类型和细胞数量的活检样本。这样得到了13,861个基因、93,593个细胞、13种细胞类型以及11个健康样本和17个UC样本。过滤后的数据使用scran(v1.26.2)按细胞类型进行了标准化。批量校正使用scGen(v2.1.0)进行。
**在健康-溃疡性结肠炎数据集上运行Community**
Community是在对数转换后的标准化计数上运行的。threshold_celltype_size和threshold_nr_active_cells都设置为大于6,threshold_expr设置为大于0.1。总交互数为491,959个。为了质量控制,选择threshold_log10_cum_weight大于0.03,threshold_frac_samples_per_condition大于0.5,threshold_log10meanexpr_per_condition大于0.015。最终,质量良好的交互总数为15,675个。最后,threshold_log2FC设置为大于1,threshold_fdr设置为小于0.1,共得到758个下调和2,612个上调的交互。
**黑色素瘤数据集的处理**
包含计数矩阵及其注释文件的.h5ad文件从以下链接获取:https://immucanscdb.vital-it.ch/api/scrnaseq/MEL_IMM_SS2_GSE120575/h5ad。该数据集包含47个样本。细胞类型根据.h5ad对象中的“annotation_minor”注释进行适配。“DC plas”和“DC conv”被合并为“DC”。伪批量中对数10累积表达的基因阈值设置为大于0.25,治疗前有25,483个基因,治疗后有29,399个基因。每个样本的最小细胞类型数量设置为7,所有样本都通过了过滤。
**在黑色素瘤数据集上运行Community**
Community分别在治疗前(11个无应答者作为病例组,8个应答者作为对照组)和治疗后(22个无应答者作为病例组,6个应答者作为对照组)的样本上运行。在这两种情况下,Community都是在對数转换后的标准化计数上运行的。对于治疗前的样本,threshold_celltype_size和threshold_nr_active_cells都设置为大于0,threshold_expr设置为大于0.1。总交互数为931,588个。为了质量控制,选择threshold_log10_cum_weight大于0.02,threshold_frac_samples_per_condition大于0.3,threshold_log10meanexpr_per_condition大于0.02。最终,质量良好的交互总数为49,986个。最后,threshold_log2FC设置为大于1,threshold_fdr设置为小于0.1,共得到375个差异交互。对于治疗后的样本,threshold_celltype_size和threshold_nr_active_cells都设置为大于0,threshold_expr设置为大于0.1。总交互数为1,077,608个。为了质量控制,选择threshold_log10_cum_weight大于0.02,threshold_frac_samples_per_condition大于0.3,threshold_log10meanexpr_per_condition大于0.02。最终,质量良好的交互总数为67,554个。最后,threshold_log2FC设置为大于1,threshold_fdr设置为小于0.1,共得到5,438个差异交互。PD1和CTLA4激活标志物从以下链接获取:https://www.gsea-msigdb.org/gsea/msigdb/human/genesets.jsp。基因得分使用scanpy中的“scoregenes”函数计算。
**健康和AML骨髓数据集的预处理**
对健康和AML个体的骨髓进行了scRNAseq通信分析,使用的是公开可用的数据。从GSE185381下载了对数转换后的标准化读数和注释文件。在AML队列中,只保留了初次诊断的样本。去除了健康个体#4和#5的重复样本。这样得到14个样本。在第一个预处理步骤中,去除了所有值为零的基因,得到31,843个基因。排除了细胞注释文件中不存在的细胞ID,得到58,354个细胞。在质量控制步骤中,应用了针对细胞、细胞类型、基因和样本的过滤器。为了排除质量较差的细胞,将每个细胞的库大小设置为1,100到30,000个读数,基因数量设置为大于500个。为了过滤细胞类型,首先将原始的细胞亚型合并为11个更大的类别(表S1)。一个质量良好的细胞类型定义为在每个样本中至少有5个细胞,并且在至少12个样本中被捕获。巨核细胞、血管周围细胞和淋巴祖细胞(lymP)类型未能通过这些阈值,因此被排除。累积伪批量计数小于0.25的基因被排除,得到15,770个基因。样本中细胞类型少于7个的被排除,得到13个样本、8种细胞类型和总共46,702个细胞。
**在健康和AML骨髓数据集上运行Community**
Community是在对数转换后的标准化计数上运行的。对于通信分析,threshold_celltype_size和threshold_nr_active_cells都设置为6个细胞,threshold_expr设置为0.1。总交互数为151,744个。为了质量控制,设置threshold_log10_cum_weight为0.01,threshold_frac_samples_per_condition为0.6,threshold_log10meanexpr_per_condition为0.02。质量良好的交互总数为22,645个。差异通信分析使用对数2转换后的权重进行t检验,并进行了FDR调整。threshold_log2FC设置为1,threshold_fdr设置为0.1,得到2,555个下调和109个上调的交互。
**健康和AML骨髓数据集的肿瘤-免疫交互分析**
Lasry等人的数据集的肿瘤-免疫交互分析基于上述分析。首先在對数转换后的标准化计数上运行Community。接下来,将细胞类型划分为肿瘤(HSPC和Mono)或免疫(T、B、NK、DC、Gran) compartments。涉及红细胞的交互以及肿瘤之间的交互或免疫之间的交互的权重被设置为零,而肿瘤-免疫和免疫-肿瘤之间的交互被保留。使用上述相同的阈值对子集中的差异进行测试和结果可视化。这样得到了421个下调和6个上调的交互。
**来自两项人类AML-健康骨髓研究的整合数据集的预处理**
创建了一个包含健康个体(GSE116256、GSE120221)和AML患者在初次诊断时(GSE116256)的骨髓scRNAseq的整合数据集。从GSE120221数据集中移除了重复样本S1、Sk1、S2、Ck、C2。从GSE116256数据集中移除了BM5-34p、MUTZ3和OCI-AML3样本,以及blast含量低于50%的样本。在第一个预处理步骤中,移除了在其中一个数据集中缺失的基因以及累积伪批量计数小于1的基因。排除了细胞注释文件中不存在的细胞ID。将每个细胞的库大小设置为1,000到30,000个读数,基因数量设置为大于500个。此外,通过应用线性阈值3,000?log10(library size +1) - 10,500,移除了形成高库大小和低基因数量区域的细胞。将原始细胞类型合并为8个更大的类别(表S1)。将带有突变的细胞(标记为“-like”)及其健康对应细胞合并到相同的细胞类型类别中。一个表达良好的细胞类型定义为在每个样本中至少有5个细胞,并且在至少30个样本中被捕获。排除了细胞类型少于5个的样本。这样得到12,485个基因、74,583个总细胞、6种细胞类型和33个样本。数据使用scran(v1.30.2)分别对每种细胞类型进行标准化。使用scGen(v2.1.0)校正了批量效应。
**在两个整合的健康和AML骨髓数据集上运行Community**
Community是在对数转换后的标准化和批量校正计数上运行的。对于通信分析,threshold_celltype_size和threshold_nr_active_cells都设置为6个细胞,threshold_expr设置为0.1。总交互数为62,064个。为了质量控制,设置threshold_log10_cum_weight为0.01,threshold_frac_samples_per_condition为0.6,threshold_log10meanexpr_per_condition为0.02。质量良好的交互总数为7,043个。差异通信分析使用对数2转换后的权重进行t检验,并进行了FDR调整。threshold_log2FC设置为1,threshold_fdr设置为0.1,得到3,280个下调和229个上调的交互。
**细胞-细胞交互工具的方法比较**
为了确保不同算法的结果不是由数据库的差异驱动的,比较是在转换为特定算法格式的社区数据库上进行的。对于CellPhoneDB,构建了三个主要的CSV文件:gene_input、protein_input和interactions。对于MultiNicheNet,构建了三个独立的网络:配体-受体相互作用网络是利用社区数据库构建的;信号传导相互作用网络则使用了OmniPath中的所有蛋白质-蛋白质相互作用数据集,并排除了自体相互作用;基因调控网络则是利用OmniPath提供的DoRothEA调控子构建的,其置信水平从A到C不等。优化工作是按照NicheNet工作流程中的描述,通过mlrMBO(v1.1.5.1)完成的。方法比较是基于Lasry等人数据集的对数转换后的标准化计数结果进行的。为了识别病例组和对照组之间每种细胞类型中差异表达的基因(DEGs),分别使用Seurat库中的FindMarkers模块(min.pct = 0.10)对每种细胞类型进行了分析(v4.3.0版本)。要被认定为DEG,平均对数2倍变化(avg_log2FC)必须大于0.25或小于-0.25,并且调整后的p值必须小于0.05(见表S2)。CellPhoneDB对每个样本分别进行了分析,同时使用了来自Seurat的DEGs列表,并将表达配体或受体的细胞的阈值设定为0.10。输出配对的方向性经过了双重检查,并根据原始数据库进行了修正(如果存在错误的话)。MultiNicheNet针对每种发送者和接收者细胞类型的组合都进行了处理。为了确保一致性,与社区算法共享的参数(如min_cells、min_sample_prop)进行了调整以匹配相应的设置;否则则使用了文档中推荐的默认参数。CellChat也对每个样本分别进行了分析。我们使用了liftCellChat函数来对不同数据集中的细胞类型组成进行对齐,因为这些样本包含不同的细胞类型组成。'truncatedMean'参数被设为0.10,以确保如果感兴趣的信号传导基因的表达量低于10%,则其平均表达值被视为零。随后,所有CellChat对象被合并起来进行联合分析。CellChat能够通过差异表达分析(DEA)识别上调和下调的信号传导配体-受体对。我们对两种生物状态(健康状态和急性髓系白血病AML)下的每个细胞组进行了DEA分析,其中thresh.pc参数被设定为0.10。上调和下调的信号传导相互作用是根据发送者细胞中配体的变化倍数以及接收者细胞中受体的变化倍数来确定的。ScSeqCommDiff是在多样本模式下使用默认参数运行的。此外,我们还尝试通过调整countTHR和min_cells等参数的不同值来进行测试,但ScSeqCommDiff没有提供任何显著的结果,因此没有进一步深入研究。最后,我们将每个样本中的每种细胞类型合并起来,并统一了数据结构,其中行代表相互作用,列代表样本,值代表相应的得分。Community算法的运行参数包括:threshold_celltype_size和threshold_nr_active_cells均设为6个细胞,threshold_expr设为0.1。对于质量控制(QC),threshold_log10_cum_weight、threshold_frac_samples_per_condition和threshold_log10meanexpr_per_condition分别设为0.01、0.6和0.02。对于差异通信分析,threshold_log2FC设为1,threshold_fdr设为0.1。还使用了一个额外的阈值,即至少有10%的细胞类型表达某个基因,以模拟CellPhoneDB和CellChat的工作流程。为了测量计算时间和内存使用情况,使用了“psrecord”(v1.3)工具。所有算法都是在配备有36个核心、256 GB RAM且运行CentOS Linux 7的服务器的一个计算节点上执行的。
### 定量和统计分析
所有分析的统计细节都包含在相应的结果、图例、图表、STAR方法和补充材料中。除非另有说明,n代表人类scRNA-seq样本。每个样本都使用单个细胞来计算细胞类型丰度、活跃比例、基因表达和相互作用权重;而差异通信分析则是基于样本级别的相互作用权重进行的。Community算法的差异通信评估使用了双侧Welch双样本t检验,针对对数转换后的相互作用权重进行。该软件包还提供了另一种方法,即对未转换权重进行双侧Wilcoxon秩和检验。p值通过Benjamini-Hochberg错误发现率(FDR)方法进行了多重检验调整。当绝对log2FC大于1且FDR小于0.1时,认为相互作用是差异显著的。Log2FC是从每个队列中的算术平均相互作用权重计算得出的。分析包括了17个UC样本和11个健康样本;治疗前的11个非响应者和8个响应者黑色素瘤样本;治疗后的22个非响应者和6个响应者黑色素瘤样本;以及Lasry数据集中的7个AML样本和6个健康样本。综合AML分析使用了9个AML样本和24个健康样本。
**图2的图例**报告了显著性定义为p < 0.05的t检验结果。对于图6J和图6K,使用了Bonferroni调整后的p值的Wilcoxon检验。图6J包含了7个AML样本和6个健康样本;图6K包含了2个单核AML样本、5个其他AML样本和6个健康样本。所有的箱线图显示了中位数、第一和第三四分位数以及1.5倍IQR范围,同时叠加了各个样本的具体值。
方法比较的差异基因表达分析是使用Seurat v4.3.0和默认参数进行的。CellPhoneDB、MultiNicheNet、CellChat和scSeqCommDiff被用于通信方法的比较,具体细节已在相关方法说明中给出。scSeqCommDiff使用了Wilcoxon秩和检验,但没有发现显著的相互作用。计算时间和内存使用情况是用psrecord v1.3在配备有36个核心和256 GB RAM、运行CentOS Linux 7的服务器上测量的。
### 分析中使用的软件版本
分析中使用的软件版本列在关键资源表中,分析参数和方法细节以及相应的代码库中也有说明。
### 补充信息(4)
- 下载所有文件:PDF(20.98 MB)
- 文档S1:图S1–S18(文件大小2.55 KB)
- 表S1:细胞类型重新标记的详细信息
- 电子表格(7.90 KB)
- 表S2:细胞间通信工具的比较概述(文件大小686.79 KB)
- 表S3:每种工具的差异相互作用