细胞互作网络识别方法：CINS

细胞通讯或互作是多细胞生物的基本而重要的生命活动，关于其基本概念可以参见生物组织内细胞通讯。随着单细胞测序技术和空间转录组测序技术的发展，许多细胞通讯网络识别方法被开发出来，这些方法各有特色，因此统一识别的框架LIANA应运而（参见生细胞通讯推理框架）。随着细胞通讯研究的不断推荐，相关的数据库也出现了（参见人类细胞互作数据库：CITEdb）。

以往的识别方法主要基于先验配体-受体互作关系数据来识别细胞通讯或互作网络，并且基于的单细胞测序数据样本主要是单一条件（例如疾病）。因此，样本内的细胞都是来自相同的生物条件。真实情况是，单细胞测序数据的样本汪汪来自多种生物条件，每一种生物条件下的细胞通讯或互作网络必定有差异。如何识别不同生物条件下的差异性细胞通讯或互作网络（图1）成为摆在面前的问题。

图1差异性细胞通讯或互作网络

针对该问题，细胞互作网络识别方法CINS被提出（图2）。CINS基于贝叶斯网络识别差异性细胞通讯或互作网络，然后基于LASSO回归模型预测差异性细胞通讯或互作关系关联的配体。该方法不同于以往方法，以往方法主要基于配体-受体互作关系数据来识别细胞通讯或互作网络，CINS则直接使用贝叶斯网络识别细胞通讯或互作网络。

图2细胞互作网络识别方法CINS的流程图

与CellPhoneDB, iTALK, and NicheNet比较，CINS 在2个单细胞测序数据中表现最佳。但是需要说明的是，比较的单细胞测序数据只有2个。CINS是否具有更好的泛化能力，还需要使用更多的单细胞测序数据进行比较。CINS方法使用Python和R编写，参见https://github.com/xiaoyeye/CINS。

参考文献

[1] Yuan Y, Cosme C Jr, Adams TS, et al. CINS: Cell Interaction Network inference from Single cell expression data. PLoS Comput Biol. 2022;18(9):e1010468. doi:10.1371/journal.pcbi.1010468

以往推荐如下：

1. 细胞特异性因果调控网络识别

2. 因果推理综述推荐一篇

3. miRNA活性识别之因果推理方法

4. miRNA协作之因果推理方法

5. 你想了解因果推理吗？

6. 因果学习工具：Causal Explorer和Causal Learner

7. ​小样本学习

8. ​样本异质性定量化

9. ​生物标志物定义及其应用

10. 分子生物标志物数据库MarkerDB

11. 细胞标志物数据库CellMarker 2.0

12. 细胞发育轨迹数据库CellTracer

13. miRNA靶基因预测工具：“我们到了哪里，又该往哪去？”

14. 人类细胞互作数据库：CITEdb

15. 单细胞数据中数据特异性差异表达基因识别

16. ​EMT标记物数据库：EMTome

17. EMT基因数据库：dbEMT

18. ​EMT基因调控数据库：EMTRegulome

19. RNA与疾病关系数据库：RNADisease v4.0