博文

Cell-Hub：端到端单细胞数据分析的图形界面

已有 463 次阅读 2026-8-8 11:55 |个人分类:科普|系统分类:科普集锦

Cell-Hub：端到端单细胞数据分析的图形界面

单细胞 RNA 测序（scRNA-seq）技术通过实现前所未有的分辨率对细胞异质性进行了革命性的理解。然而，scRNA-seq 数据集的高维度和复杂性常常带来巨大的分析障碍，因为许多生物研究小组缺乏有效处理和解释这些数据的专门计算专业知识，而无需专门的生物信息学支持。

为解决这一差距，Macaux等人推出了 Cell-Hub，这是一个全面且用户友好的框架，旨在使单细胞数据分析民主化。该框架使用 R 语言和 Shiny 框架构建，提供了一个图形界面，简化了基于代码的工作流程的复杂性，同时保持了科学严谨性。该平台作为 Docker 镜像进行分发，以实现可重复部署，并集成了 Seurat 5 的工作流程，使研究人员能够从质量控制和多数据集整合到聚类、差异表达和生物标志物检测，执行端到端分析。Cell-Hub 进一步超越了标准的转录组分析，支持通过 Monocle 3 进行轨迹推断，以及通过 CellChat 进行配体-受体相互作用分析（图 1）。

图1 Cell-Hub分析流程和模块

现代单细胞测序技术产生了前所未有的规模和复杂性的数据集，为没有大量计算训练的生物学家造成了重大障碍。虽然像 Seurat、Cellchat 和 Monocle 这样的命令行工具提供了强大的分析功能，但它们陡峭的学习曲线阻止了许多实验研究人员独立分析自己的数据。

Cell-Hub 通过提供图形界面来解决这一可访问性挑战，使研究人员能够独立分析他们在单细胞实验中产生的数据。用户可以清理他们的数据、执行降维、识别和表征感兴趣的细胞类型、确定不同条件下的差异表达基因、探索用于演示文稿和文章的基因表达可视化，并进一步基于整合数据库和伪时间轨迹推断，利用配体-受体相互作用推进他们的分析。

单细胞分析存在多种图形界面解决方案，ASC-Seurat 是一个显著的例子。每个实现都包含了其开发者认为最相关的功能，但它们通常只覆盖完整单细胞工作流程的一个子集，并且它们的界面通常不是为没有先验生物信息学经验的用户设计的。相比之下，Cell-Hub提供了对常用库最新版本的访问，并包含了进行全面单细胞分析所需的大多数功能。

Cell-Hub 的主要创新在于将多种分析框架（Seurat、CellChat、Monocle）无缝集成在一个统一的、全面的工流程中。用户可以从质量控制到聚类、差异表达、细胞间通讯推断和轨迹分析，无需手动数据格式转换或自定义集成代码即可推进，这是一个关键优势，因为这些工具通常独立运行，并需要大量的编程工作才能组合。这种集成方法使研究人员能够在单个界面中从原始数据到可发表的成果进行完整分析，消除了大多数现有解决方案所具有的碎片化工作流程。

基于 Docker 的部署支持本地安装，使研究人员能够利用自身的计算资源，而不是依赖外部服务器或云基础设施，这对于大型数据集尤其有价值。此外，为了增强细胞间通讯分析，Cell-Hub 集成了 GaspouDB，这是一个整合了多个精选来源的配体-受体相互作用数据库。该应用程序是朝着单细胞分析民主化迈出的第一步。理想情况下，未来的发展方向是将 Cell-Hub 打包为原生桌面应用程序，从而消除对 Docker 的需求，并为最终用户提供更好的性能和更无缝的安装体验。

参考文献

[1] Gaspard Macaux, Maxime Di Gallo, Valentina Taglietti, Helge Amthor, Pascal Maire. Cell-Hub: a graphical interface for end-to-end single-cell RNA sequencing analysis. bioRxiv 2026.07.15.738621; doi: https://doi.org/10.64898/2026.07.15.738621

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

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

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC