zhangjunpeng的个人博客分享 http://blog.sciencenet.cn/u/zhangjunpeng

博文

生物组织内细胞通讯

已有 5956 次阅读 2022-4-8 21:00 |个人分类:科普|系统分类:科普集锦

生物组织内细胞通讯

 

在多细胞生物组织内,细胞往往通过介质将发送的信息传递给其他细胞。信息一旦发出,其他细胞会做出三种反应:响应、无响应和接收不到。这种模式非常类似于我们用电话跟其他人打电话时的场景,当我们拨打电话之后,对方也有三种反应:接电话、不接电话和无信号接收不到。一般而言,细胞有三种通讯方式:第一种通过化学信号分子;第二种通过相邻细胞表面分子的粘着;第三种通过细胞与细胞外基质的粘着。其中,第一种方式是动物和植物内细胞通讯最常见的方式。

 

在生物组织内,细胞通讯是非常频繁的,这些通讯关系共同构成了复杂细胞通讯网络(图1a)。如何推断这些细胞通讯网络,成为单细胞转录组数据应用的一大分支。目前,我们可以应用单细胞转录组数据和空间转录组数据识别细胞通讯网络(图1b和图1c)。

 

image.png 

1 组织内细胞通讯

 

可视化图是最直观表征细胞通讯关系的一种有效方式。基于单细胞转录数据,我们有多种方式对细胞通讯关系进行可视化和分析,例如Circle图、Chord图、热图、Hierarchy图、泡泡图、桑基图和点状图等(图2)。

image.png

2 基于单细胞测序数据的细胞通讯可视化和分析

 

由于单细胞转录组数据没有提供细胞的空间信息,然而细胞之间进行通讯也需要考虑距离信息,例如距离太远,信息将无法接收到。因此,整合单细胞转录组数据和空间转录组数据成为准确识别细胞通讯网络的一种良好途径(图3a)。当然,如果没有单细胞转录组数据,单纯使用空间转录组数据也能够有效识别细胞通讯网络(图3b)。

image.png

3 整合单细胞和空间转录组数据识别细胞通讯

 

在生物信息学领域,已有的细胞通讯数据驱动识别方法有哪些呢?目前,这些方法主要分为3种类型。

 

i)基于单细胞转录组数据方法(Methods that only require non-spatial scRNA-seq as input):CellChatCellPhoneDBCOMUNETiCELLNETiTALKNATMIPyMINErscTensorSingleCellSignalR

 

ii)考虑下游反应方法(Methods that consider downstream response):CytoTalkscMLnetNicheNetSoptSC

 

iii)基于空间转录组或者融合单细胞转录组数据方法(Methods that accept ST as sole data input or in conjunction with scRNA-seq):Cell2CellGiottoMISTYSpaOTscstLearnSVCA

 

详细的介绍可以参考综述论文《The landscape of cell-cell communication through single-cell transcriptomics》(间参考文献[1])。

 

后话

细胞通讯是生物组织内的一个基本生物过程,识别细胞通讯网络能够在细胞层次水平深入了解细胞之间信息传递和交换过程。以上计算机识别方法的前提条件是:每个单细胞能够使用转录组数据进行表征和刻画。除了单细胞转录组数据和空间转录数据,未来还需要融合其他能够表征单细胞的生物信息数据。

 

参考文献与链接

[1] Almet AA, Cang Z, Jin S, Nie Q. The landscape of cell-cell communication through single-cell transcriptomics. Curr Opin Syst Biol. 2021;26:12-23. doi:10.1016/j.coisb.2021.03.007

 

 

以往推荐如下:

1. 因果推理综述推荐一篇

2. 生物学家的机器学习指南

3. 基础模型的机遇与风险

4. 一份单细胞数据分析教程

5. R/Shiny交互式生物Web应用程序

6. VOSviewer:文献图谱可视化

7. 卡片式笔记工具:Roam Research

8. 国外知乎:Quora

9. 生信问答平台:Biostars

10. IT问答平台:Stack Overflow

11. 预印本知多少?

12. 借助Bioconductor策划单细胞分析

13. 要选哪个蛋白质互作数据库作为先验信息?

14. mRNA表达无法取代蛋白质表达

15. scIB:单细胞数据融合基准框架

16. 临床医疗维修店铺

17. NAguideR:填充蛋白质组学数据缺失值

18. 怎样做好一项研究?

19. 怎样做开题报告?

20. 深度学习助力单细胞数据分析

21. Any RNA

22. 走进数据科学

23. 直抵自闭症核心

24. 癌症内RNA

25. 一对搭档:计算与生物

26. TF靶标

 

image.png

image.png 




https://blog.sciencenet.cn/blog-571917-1333094.html

上一篇:TF靶标
下一篇:记一次主题编辑经历
收藏 IP: 39.128.54.*| 热度|

2 李宏翰 汪运山

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-22 08:54

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部