博文
scImmuneCo：解码免疫反应的细胞类型特异性功能模块集合
||
scImmuneCo：解码免疫反应的细胞类型特异性功能模块集合
高通量转录组技术的发展，包括微阵列和 RNA-seq，使得能够对全基因组范围内的基因表达进行全面分析。这些创新极大地推动了生物医学研究，通过促进与疾病发病机制相关的分子特征的识别。在转录组分析方法中，共表达分析是一种强大的方法，用于识别具有相关表达模式的基因组，通常反映了共同的调控机制或功能关系。共表达分析可以揭示功能一致的基因模块及其与临床表型的关联，为疾病机制和潜在生物标志物提供见解。值得注意的是，传统的共表达方法面临一些局限性。它们通常应用于样本量有限的单个数据集，产生不稳定且难以复现的模块。
为应对这些挑战，先前研究通过基于图的方法评估转录模块在不同条件下的共现性，从批量微阵列数据中开发了固定的转录模块组合。这些努力获得了宝贵的见解，例如系统性红斑狼疮（SLE）中的干扰素特征和结核病中的中性粒细胞相关基因表达模式。然而，批量转录组数据通过异质性细胞群体平均基因表达，掩盖了不同免疫细胞类型之间基因调控的关键差异，模糊了细胞类型特定的调控关系，并降低了生物学可解释性。由此产生的数据进一步受到样本中细胞组成动态变化的影响，这些变化是由于生物学异质性或不同的疾病状态引起的。这项分辨率约束在研究复杂疾病时尤其成问题，因为致病过程通常起源于特定的细胞亚型。例如，在批量数据中检测到的干扰素特征可能源于活化单核细胞、扩增的记忆 T 细胞或细胞类型的混合物，每种都有不同的机制和治疗意义。
为了克服批量转录组平均的局限性，Wang等人引入了 scImmuneCo（图1，http://www.scimmuneco.site/），这是一个基于单细胞 RNA 测序数据推导出的、全面的细胞类型特异性转录模块集合。虽然该工作建立在先前研究中通过批量微阵列研究建立的固定、跨条件模块集合的概念基础上，但它代表了方法和概念上的重大进步。已将基于图的共现框架调整为单细胞 RNA 测序（scRNA-seq）数据的独特挑战，采用细胞类型特异性共表达推断（CS-CORE），并整合了基于基因-基因共现的、跨越 17 个独立条件的网络。这种方法超越了先前批量资源以条件为中心的观点，建立了一个以细胞类型为中心的图谱。结果是创建了一个新型资源，该资源能够将批量数据中的混合细胞特征分解为其组成部分的细胞。这使得能够将疾病相关信号（如干扰素或炎症反应）归因于其细胞起源，揭示在批量数据中不可见的过渡细胞状态，并优先考虑更具可操作性、基于细胞类型的治疗靶点。因此，scImmuneCo 将先前稳定、可重复使用的模块库的强大功能移植到单细胞生物学的高分辨率中，为免疫基因组学发现提供了一个更易于解释的框架。
图1 构建 scImmuneCo 的工作流程和效用。应用了一种改进的基于图的框架，从 PBMC scRNA-seq 数据中识别细胞类型特异的转录模块。这些数据包含 335 个样本，跨越 17 种不同的病理和生理条件，共计 1,782,860 个细胞。总共鉴定了 873 个转录模块，并进行功能注释。构建的转录模块用于阐明细胞和功能异质性，并用于识别与疾病相关的分子特征
为了促进广泛应用，作者们开发了一个 R 包（https://github.com/FrankQYW/scImmuneCo_R），它能够将这些模块集成到单细胞和批量转录组数据分析中。此外，还提供了一个交互式网络门户（http://www.scimmuneco.site/），用于可视化探索模块的功能和条件特异性表达模式。
参考文献
[1] Frank Qingyun Wang, Caicai Zhang, Xiao Dang, Huidong Su, Yao Lei, Youming Guo, Xinxin Chen, Wanling Yang, scImmuneCo: a compendium of cell-type-specific functional modules for decoding immune responses from single-cell RNA-seq data, Briefings in Bioinformatics, Volume 27, Issue 4, July 2026, bbag366, https://doi.org/10.1093/bib/bbag366
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-571917-1548123.html
上一篇：基于上下文感知的人类基因调控的序列到功能模型
下一篇：miRNA组织特异性泛癌分析及其失调关联
