博文

cellSight：使用单细胞数据刻画细胞动力学

已有 451 次阅读 2025-6-17 21:13 |个人分类:科普|系统分类:科普集锦

cellSight：使用单细胞数据刻画细胞动力学

高通量单细胞技术的出现已经产生了前所未有的生物学数据量，在处理、分析和解释细胞异质性和动力学方面引起了重大计算挑战。单细胞基因组学领域强调了对能够处理复杂数据分析的复杂计算工具的需求，尤其是在理解细胞异质性及其时间动力学方面。最近在单细胞方法中的技术进步进一步扩大了计算需求，该方法可以在单个实验中生成数千到数百万个单个细胞的数据。

单细胞分析的计算复杂性超出了数据量，当前的分析管道必须应对多个挑战，包括批处理效应、降维、特征选择和细胞类型识别。传统的计算方法通常依赖于手动质量控制（QC）步骤和差异表达分析，这些分析在计算上是密集的，容易发生可重复性问题和人为错误。这些挑战由于单细胞数据的高维特性而变得更加复杂，其中每个细胞的特征是成千上万个基因的表达水平。

为了应对这些计算挑战，最近Chatterjee等人介绍了cellSight（图1，https://github.com/omicsEye/cellSight），这是一种创新的自动化计算框架，专门设计用于处理单细胞数据分析的复杂性和规模。cellSight集成了用于数据处理、可视化和解释的最新计算方法。cellSight体系结构的核心是其可靠的QC管道与统计建模和差异表达分析相结合，考虑了通用的线性和广义线性模型，强调了间隔数据中零通胀的作用。该结果用于管道中，分析稳态期间的细胞通讯网络。

图1 用于转录分析的单细胞分析管道。（A）单核RNA表达热图在单个细胞之间显示基因表达模式。（B）质量控制基于主要组件，以区分可行的细胞和不可靠的数据点。（C）通过典型相关分析（CCA），合并参考和查询数据集以识别常见的单细胞人群的数据集集成。（D）高维聚类可视化显示了带有注释的标签（例如，内皮细胞和成纤维细胞）在上一步中产生的不同细胞类型群体。（E）下游分析以及通过箱型图和热图可视化的疾病状态的重要性。（F）cellSight工作流程：数据归一化和集成、聚类注释、差异表达、（Tweedieverse）、轨迹分析（MonoCle3）、通路分析（OmePath）和细胞相互作用（CellChat）

cellSight代表了计算生物学的重大进步，提供了一种自动化的端到端解决方案，该解决方案涉及单细胞分析中的关键计算瓶颈。该框架结合了处理大规模数据集的并行处理能力和优化算法，同时保持统计严格和生物学相关性。通过使复杂的计算任务自动化，cellSight不仅提高了单细胞分析的效率，而且还提高了可重复性并减少了计算空间。

为了验证该计算框架，作者们将cellSight应用于两个不同的数据集：小鼠皮肤损伤模型和皮肤老化研究。cellSight自动化管道成功地重现了皮肤老化研究中的发现，同时对小鼠损伤模型中愈合过程中成纤维细胞的作用产生了新的见解。这些结果证明了cellSight计算方法在处理不同生物学环境中的鲁棒性和多功能性，同时保持计算效率。

参考文献

[1] Ranojoy Chatterjee, Chiraag Gohel, Brett A Shook, Ali Rahnavard. cellSight: Characterizing dynamics of cells using single-cell RNA-sequencing. bioRxiv 2025.05.16.654572; doi: https://doi.org/10.1101/2025.05.16.654572

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC