博文
ULMnet：使用单变量线性模型推断细胞通讯网络
||
ULMnet：使用单变量线性模型推断细胞通讯网络
身体组织中的细胞存在于一个复杂且动态的多细胞环境中，与邻近细胞相互作用，每个细胞的功能都受到与其他细胞相互作用网络的影响。多细胞生物中的细胞通过这些动态相互作用网络，从早期胚胎发育到成年期持续进行交流。每当这些相互作用受到干扰时，细胞功能可能会失调，导致疾病和多种致病情况。例如，肿瘤的发生和发展涉及肿瘤细胞、免疫细胞和基质细胞之间复杂的相互作用和动态协同进化。事实上，组织的细胞组织空间背景以及相关的细胞间通讯决定了从细胞分化、增殖和免疫反应到稳态的生理过程。
单细胞 RNA 测序（scRNA-seq）是一项强大的技术，能够对数千个细胞进行大规模并行分析，以揭示健康和疾病中的细胞功能与异质性。细胞通讯推断现已成为 scRNA-seq 数据处理中的常规方法。根据标记将细胞聚类，并评估匹配的配体和受体的表达情况，以推断相互作用事件。然而，由于 scRNA-seq 协议在测序前涉及完整的组织解离和均质化，细胞相互作用的时空背景被破坏。这限制了上述 scRNA-seq 工具在组织原位环境中映射细胞邻域。空间转录组学技术通过允许在细胞的空间组织背景下查询基因表达，从而克服了这一问题，进而提高了细胞相互作用推断的准确性。 然而，传统的空间转录组学无法精确地将 RNA 转录本定位到单细胞分辨率，而是在组织中捕获一个包含 10-100 个细胞的区域，并汇总这些细胞来源的基因。此外，能够以真正的单细胞分辨率进行空间转录组学的新技术，每个细胞只能定位几百到几千个预先选定的基因，从而限制了无偏应用。目前有协同努力利用改进的 scRNA-seq 技术，在测序前将组织部分解离以生成细胞聚集体，用于原生物理相互作用推断。这些方法在解析物理细胞相互作用方面效率很高，然而，它们技术要求高，需要专业人员和设备。
传统微滴式 scRNA-seq 中的多细胞簇代表细胞聚集体，这些聚集体是在单个反应微滴中捕获多个细胞并使用单个条形码一起测序时发生的。这些聚集体主要是由在文库制备过程中仍然物理上相互连接的未分离细胞形成的，偶尔也由细胞随机共封装引起。通过在文库制备过程中仔细稀释细胞悬液，可以很大程度上避免随机生成的多细胞簇。然而，未分离的部分通常代表生物学上相互作用的细胞，这些细胞不能通过样本稀释来消除。因此，识别多细胞簇可能是一个利用 scRNA-seq 数据推断物理细胞间相互作用的良好起点。最近，Hameed等人利用单变量线性模型ULMnet（图1，https://github.com/Sidex71/ULMnet）识别 scRNA-seq 数据集中的多细胞簇，并预测其细胞组成，以推断组织中的物理细胞间相互作用网络。作者们使用双细胞对、部分解离组织和健康及癌组织的传统 scRNA-seq 数据集测试了该方法。还使用匹配的空间转录组数据集和下游配体受体分析验证了从 scRNA-seq 中识别的网络。
图1用于从单细胞 RNA 测序数据中预测和识别多重细胞，并以此推断细胞间物理相互作用网络。在常规的单细胞 RNA 测序中，由于在文库制备过程中分离不完全，自然会出现多重细胞现象。这些多重细胞代表了在组织中物理相连且相互作用的细胞，由于它们未被分离而被一起进行测序。ULMnet 采用基于特征的方法，对单细胞 RNA 测序数据中的每个条形码应用单变量线性模型，以分配特征得分。然后根据这些特征得分将条形码分类为单细胞或多重细胞。多重细胞是指那些在两种或更多种细胞类型特异性基因签名中富集的条形码或细胞
参考文献
[1] Hameed SA, Iglesias-Martinez LF, Kolch W, Zhernovkov V. ULMnet: inferring physical cell-cell communication networks from scRNAseq data using univariate linear models. Front Immunol. 2026 Jan 9;16:1722504. https://doi.org/10.3389/fimmu.2025.1722504
以往推荐如下：
5. EMT标记物数据库：EMTome
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
13. 利用药物转录组图谱探索中药药理活性成分平台：ITCM
19. 基因组、药物基因组和免疫基因组水平基因集癌症分析平台：GSCA
22. 研究资源识别门户：RRID
24. HMDD 4.0：miRNA-疾病实验验证关系数据库
25. LncRNADisease v3.0：lncRNA-疾病关系数据库更新版
26. ncRNADrug：与耐药和药物靶向相关的实验验证和预测ncRNA
28. RMBase v3.0：RNA修饰的景观、机制和功能
29. CancerProteome：破译癌症中蛋白质组景观资源
30. CROST：空间转录组综合数据库
31. FORGEdb：候选功能变异和复杂疾病靶基因识别工具
33. CanCellVar：人类癌症单细胞变异图谱数据库
36. SCancerRNA：肿瘤非编码RNA生物标志物的单细胞表达与相互作用资源
37. CancerSCEM 2.0：人类癌症单细胞表达谱数据资源
38. LncPepAtlas：探索lncRNA翻译潜力综合资源
40. MirGeneDB 3.0：miRNA家族和序列数据库
41. RegNetwork 2025：人类和小鼠基因调控网络整合数据库
42. CircTarget：多种细胞类型circRNA调控综合数据库
43. GreenCells：植物lncRNA单细胞分析资源
44. RM2Target 2.0：RNA修饰的写入者、擦除者和读取者靶基因数据库
https://blog.sciencenet.cn/blog-571917-1523187.html
上一篇：整合基因调控信息和FAIR原理知识有助于发现致病基因调控变异
下一篇：DeepCE：相关性增强基因调控网络推断的深度学习框架
