博文
PlantCellChat：预测植物细胞通讯
||
PlantCellChat：预测植物细胞通讯
细胞通讯（CCC）对于多细胞生物细胞活动的协调至关重要。在植物中，CCC 由多种信号分子介导，包括激素、肽和细胞外蛋白，这些分子与特定受体相互作用，触发细胞内信号级联反应。单细胞 RNA 测序（scRNA-seq）和空间基因表达谱的最新进展，使得基因表达能够以单细胞分辨率进行分析。它为植物组织的细胞组成和功能状态提供了前所未有的见解，并为推断细胞通讯网络提供了新机遇。在动物系统中，这一进展伴随着广泛配体-受体数据库和计算工具（如 CellPhoneDB、CellChat 和 CellTalkDB）的发展，这些工具能够从单细胞数据系统推断 CCC。相比之下，植物中的 CCC 分析因生物学和技术挑战而滞后。首先，植物具有坚硬的细胞壁和跨组织高度的细胞异质性，这使得原生质保存和单细胞分离在技术上比动物模型更具挑战性。其次，植物配体-受体信号的分子机制——尤其是涉及多亚基受体复合物、激素梯度和质间接丝介导的运输——较为不充分，增加了计算建模的复杂性。此外，与动物不同，其中许多配体是分泌肽，植物信号传导主要由植物激素介导——植物激素是一种具有多样运输机制的低分子化合物。最后，目前植物中经过筛选的配体-受体相互作用（LRI）数据量有限，现有注释往往缺乏推断所需的分辨率或置信度。因此，大多数现有的 CCC 推断工具要么针对哺乳动物系统定制，要么需要大量修改才能应用于植物数据集。因此，迫切需要集成生物学知识、精心策划的相互作用配对和适应植物细胞独特信号逻辑的算法框架的植物特异资源。
在各种植物信号分子中，植物激素是细胞通讯中核心的介质类别。它们调节植物生长、发育和应激反应的几乎所有方面。八大类植物激素包括：吲哚-3-醋酸（IAA）等，通过 TIR1/AFB–Aux/IAA–ARF 信号介导细胞延长和向性；细胞分裂素（CTK），通过 CRE1–AHP–ARR 磷光层系统调控细胞分裂和分生组织活性；Gibberellins（GA），通过 GID1–DELLA 模块促进茎的伸长和种子发芽；脱落酸（ABA），一种通过 PYR/PYL–PP2C–SnRK2 信号调节气孔闭合和种子休眠的关键应激激素；乙烯（ET），通过 ETR1–CTR1–EIN2–EIN3 途径参与果实成熟和应激反应；硫磺酸甾体素（BR），通过 BRI1–BAK1–BIN2–BZR1 信号调节细胞扩展和血管分化；Jasmonates （JA），在防御和伤口响应中至关重要，通过 COI1–JAZ–MYC 级联信号;水杨酸（SA），负责系统性获得性耐药性和免疫，可能通过 NPR1 介导的转录重编程。
这些激素通路常常协同或对抗作用，并在组织、发育阶段和环境条件下动态调控。由于许多信号依赖于特定的 LRI，如 ABA–PYL、IAA–TIR1 或 JA–COI1，它们为从转录组数据推断 CCC 形成了自然基础。然而，现有工具并未系统地将激素受体逻辑、受体复合体结构和植物特异性注释纳入 CCC 预测。
为了弥合这一方法论和知识上的差距，Liu等人开发了 PlantCellChat（图1，https://github.com/mrliuw/PlantCellChat），一套用于植物 CCC 分析的软件包。PlantCellChat 集成了五种植物的 LRI 数据，并提供了一套工具，用于从 scRNA-seq 数据推断 CCC 网络。此外，足欧哲们还介绍了 PlantCellChat 激素图卷积网络（PCC-GCN），使植物蛋白在激素信号网络中的功能性分类成为可能。利用水稻和拟南芥的 scRNA-seq 和空间转录组数据集，推断了预测 CCC 网络中与应激相关的变化，证明了 PlantCellChat 的适用性。需要注意的是，PlantCellChat 是基于转录本级表达数据推断 CCC。因此，推断出的通信强度代表的是相对信号电位，而非蛋白质丰度或生化信号活性的直接测量。
图1 配体-受体相互作用（LRI）数据库的构建和组成概述。(a) 用于编译LRI数据库的数据来源包括KEGG、UniProtKB、文献和STRING数据库。(b) 在五个模式植物物种（拟南芥、水稻、番茄、玉米和大豆）中鉴定的基于蛋白质的配体-受体对。(c) 为每个物种整理的信号分子相互作用。(d) 跨物种从STRING推断的相互作用比例，反映实验证据的可用性。(e) 更高阶的信号特征被整合到数据库中，包括受体复合物、激动剂、拮抗剂和核心受体
参考文献
[1] Liu W, Zhu X, Wu M, Wu G, Wu S, Woldegiorgis ST, Huang G, Zhang L, Hu P, Zheng Y, Liu W, Harrison A, Zhang L, Ai Y, Huang W, He H. PlantCellChat: an R-based toolkit for predicting plant cell-cell communication from single-cell and spatial transcriptomics. Plant J. 2026 May;126(3):e70905. https://doi.org/10.1111/tpj.70905
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-571917-1538228.html
上一篇：StabCell：单细胞数据聚类和标记物检测
下一篇：scMarkerGene：细胞类型特异性标记基因识别
