作者，Evil Genius

hello，大家好，國慶后的第二天，我們繼續(xù)盤點(diǎn)，關(guān)于空間轉(zhuǎn)錄組已經(jīng)盤點(diǎn)了三篇文章，放在下面，供大家參考和相互交流。

10X空間轉(zhuǎn)錄組重點(diǎn)分析合集3

10X空間轉(zhuǎn)錄組重點(diǎn)分析合集2

10X空間轉(zhuǎn)錄組重點(diǎn)分析合集

關(guān)于通訊，之前我詳細(xì)寫了單細(xì)胞的通訊分析方法，文章放在下面供大家交流。

單細(xì)胞個性化分析之多樣本細(xì)胞通訊比較篇

單細(xì)胞個性化分析之細(xì)胞通訊篇

關(guān)于空間通訊，我也寫過很多文章，也列在下面

10X單細(xì)胞（10X空間轉(zhuǎn)錄組）通訊分析之總結(jié)Nichenet生態(tài)位通訊比較分析

時空通訊分析導(dǎo)論

10X空間轉(zhuǎn)錄組數(shù)據(jù)分析之功能信號網(wǎng)絡(luò)（Ligand---receptor----downstream genes network）

10X空間轉(zhuǎn)錄組之組織區(qū)域臨近通訊實現(xiàn)方法

考慮空間位置的通訊分析手段---CellphoneDB（V3.0）

這一篇，我們就要盤點(diǎn)專業(yè)做空間通訊的分析方法，包括SpaOTsc、stlearn、Giotto、CellChat、NicheNet、ICELLNET和SingleCellSignalR等等，我們要一一盤點(diǎn)并分析優(yōu)劣勢。

先來看看空間通訊的最新進(jìn)展

參考的文章信息

題目：The landscape of cell–cell communication through single-cell transcriptomics
日期：2021-06
期刊：Current Opinion in Systems Biology
鏈接：https://www.sciencedirect.com/science/article/pii/S2452310021000081

圖片.png

介紹

細(xì)胞間通訊 (Cell–cell communication, CCC) 是受生化信號調(diào)節(jié)的細(xì)胞間相互作用，能夠調(diào)節(jié)單個細(xì)胞的生命過程和細(xì)胞間關(guān)系。過去CCC 只能在由一種或兩種細(xì)胞類型和少數(shù)幾個基因組成的體外實驗中進(jìn)行研究。這樣是很不全面的，因為CCC 涉及許多細(xì)胞類型和大量基因。單細(xì)胞轉(zhuǎn)錄組學(xué)的研究也慢慢開始從只關(guān)注存在哪些細(xì)胞轉(zhuǎn)向進(jìn)一步關(guān)注細(xì)胞之間的關(guān)系。

文章的目的有兩個：

• (1) 從單細(xì)胞數(shù)據(jù)中總結(jié)新興 CCC 方法；
• (2) 提出改進(jìn)當(dāng)前 CCC 局限性的可能途徑。

從單細(xì)胞基因組學(xué)數(shù)據(jù)推斷 CCC

CCC 通過包括信號通路的各種生化反應(yīng)來聯(lián)系。對于給定的信號通路，“發(fā)送信號”的配體與“受體細(xì)胞”表面表達(dá)的相應(yīng)受體蛋白結(jié)合，觸發(fā)下游基因反應(yīng)。有兩種類型的指令：

• 自分泌，發(fā)送者和接收者是同一個細(xì)胞；
• 旁分泌，發(fā)送者和接收者是兩個不同的細(xì)胞。

圖(a)：細(xì)胞可以分泌擴(kuò)散的配體，并可以與附近細(xì)胞表面表達(dá)的受體結(jié)合。一般發(fā)生在接收細(xì)胞最接近發(fā)送細(xì)胞和當(dāng)有足夠的受體表達(dá)時。只有當(dāng)結(jié)合的配體觸發(fā)下游反應(yīng)時，細(xì)胞間通訊才會發(fā)生。藍(lán)色和橙色細(xì)胞代表不同的細(xì)胞類型。對于藍(lán)色細(xì)胞，較深的陰影代表更強(qiáng)的配體表達(dá)。(b)可以從單個細(xì)胞或細(xì)胞簇水平的 scRNA-seq 推斷細(xì)胞間通信，但細(xì)胞之間的空間距離會丟失。(c)使用空間轉(zhuǎn)錄組學(xué)推斷細(xì)胞間通信保留了細(xì)胞之間的空間距離，但可能會損失單細(xì)胞或基因?qū)用娴男畔ⅰ?/p>

盡管 CCC 核心原理很容易理解，但它常常會過于計算簡單化，而導(dǎo)致結(jié)果信號值偏高。例如，細(xì)胞信號發(fā)生在蛋白質(zhì)水平，而不是基因水平。基因表達(dá)量也不可以直接轉(zhuǎn)化為蛋白質(zhì)表達(dá)量，因此單獨(dú)看到配體或受體的基因表達(dá)數(shù)據(jù)，實際上可能不會在蛋白質(zhì)水平發(fā)生。為此，可以在受體基因表達(dá)的情況下，通過檢查由配體-受體結(jié)合引起的下游靶基因反應(yīng)來進(jìn)一步評估通訊情況。

Principles of cell–cell communication inference

scRNA-seq 數(shù)據(jù)分析CCC的方法

目前已經(jīng)開發(fā)了許多工具來從單個細(xì)胞和細(xì)胞群水平的 scRNA-seq 推斷 CCC。大多數(shù)方法是推斷細(xì)胞群之間的 CCC，SoptSC 是為數(shù)不多的推斷單個細(xì)胞之間 CCC 的方法之一。另外不同工具各有亮點(diǎn)：

• SoptSC、CellChat、SingleCellSignalR使用非線性建模方法計算交互分?jǐn)?shù)。
• CellChat、CellPhoneDB和 ICELLNET考慮了配體和受體的多亞基結(jié)構(gòu)，可以準(zhǔn)確地表示異聚復(fù)合物，更好地概括已知的配體-受體相互作用
• SoptSC、NicheNet 、scMLnet 和 CytoTalk 等方法解釋了受體細(xì)胞中的細(xì)胞內(nèi)基因-基因相互作用
• scTensor 對高階相互作用進(jìn)行建模，使用張量分解來檢測多個細(xì)胞群和配體-受體對的多對多 CCC

圖片.png

圖片.png

圖片.png

圖片.png

除了基本的量化細(xì)胞通訊信號值以外，有的工具還提供可視化方法。CellChat 就是這樣一種表示工具，包括用于不同分析任務(wù)的強(qiáng)大可視化功能。包括由單個配體-受體對（圖 a-d）和多個配體-受體對（圖e）介導(dǎo)的信號網(wǎng)絡(luò)的可視化。

(a)圓的大小和邊緣寬度分別與每個細(xì)胞簇中的細(xì)胞數(shù)量和相互作用的細(xì)胞簇之間的通信分?jǐn)?shù)成正比。

(c)熱圖：行和列分別代表源和目標(biāo)。右側(cè)和頂部的條形圖分別代表傳出和傳入交互的總得分。

(d)層次圖由兩部分組成：左部分和右部分分別突出顯示到cluster A/B/C 和cluster D/E/F 的自分泌和旁分泌信號。實心圓和空心圓分別代表源和目標(biāo)。圓圈大小與每個單元組中的單元數(shù)成正比，邊緣寬度表示通信分?jǐn)?shù)。

(e)氣泡圖顯示了有助于從cluster A 到其他cluster 的信號傳導(dǎo)的配體-受體對

圖片.png

scRNA-seq 和空間數(shù)據(jù)的整合

僅僅依靠表達(dá)量數(shù)據(jù)來推斷CCC通常會引入“噪音”，細(xì)胞通信一般會發(fā)生在有限的空間內(nèi)，這個關(guān)鍵信息在scRNA-seq數(shù)據(jù)中是缺失的?？臻g轉(zhuǎn)錄組（ST）可以保留空間信息，不過通常以犧牲細(xì)胞分辨率、覆蓋范圍或測序深度為代價。

SpaOTsc分別使用來自 scRNA-seq 和 ST 的基因表達(dá)相似性和細(xì)胞之間的空間距離，從而優(yōu)化結(jié)構(gòu)來提高數(shù)據(jù)集成度。

當(dāng)然還有一些方法可以在沒有空間參考的情況下對scRNA -seq 數(shù)據(jù)進(jìn)行de novo空間假設(shè)，它會將具有類似基因表達(dá)譜的細(xì)胞放在附近，或者認(rèn)為共表達(dá)配體-受體的細(xì)胞是臨近的。

圖片.png

一些展望

CCC與下游基因調(diào)控網(wǎng)絡(luò)的多尺度連接

目前大多數(shù) CCC 方法側(cè)重于各種信號通路的存在和可能性。例如，CellChat 、SingleCellSignalR、CellPhoneDB 、ICELLNET 和 iTALK根據(jù)配體和受體的表達(dá)預(yù)測潛在的 CCC——這是所有 CCC 方法的主要假設(shè)。SpaOTsc等方法通過考慮細(xì)胞之間的空間距離來減少假陽性預(yù)測。然而，很少有方法可以解釋下游信號通路調(diào)節(jié)和 CCC 之間的聯(lián)系。盡管有工具可以從 scRNA-seq推斷細(xì)胞內(nèi)基因調(diào)控網(wǎng)絡(luò) (GRN)，但 GRN 推斷通常與 CCC 推斷是分開的。

與軌跡推斷結(jié)合

軌跡推斷是顯示一種或多種細(xì)胞類型分化成其他細(xì)胞類型的能力。目前已經(jīng)為 scRNA-seq開發(fā)了許多軌跡推斷方法，但是，與 GRN 推斷一樣，軌跡推斷是與 CCC 推斷分開計算的。事實上，分化軌跡會受到細(xì)胞間信號傳導(dǎo)的影響，反之亦然。

多組學(xué)整合

除了 scRNA-seq 和 ST，現(xiàn)在還有其他新興的單細(xì)胞技術(shù)可以提供蛋白質(zhì)和表觀遺傳信息。例如，將 scRNA-seq 與 scATAC-seq 整合可以進(jìn)一步了解細(xì)胞聚集和轉(zhuǎn)錄調(diào)控。由于 CCC 涉及蛋白質(zhì)特異性和基因特異性反應(yīng)，但 scRNA-seq 和 ST 均未捕獲蛋白質(zhì)水平信息，因此可以擴(kuò)展 CCC 方法以納入這些多組學(xué)數(shù)據(jù)。

好了，我們對軟件進(jìn)行一一盤點(diǎn)

第一、stlearn空間臨近通訊

參考文章

10X單細(xì)胞空間回顧之stlearn
10X空間轉(zhuǎn)錄組之空間臨近通訊分析stlearn進(jìn)階版
10X空間轉(zhuǎn)錄組細(xì)胞通訊之stlearn（尋找區(qū)域交流熱點(diǎn)中心）

分析基本原理

圖片.png