博文

组织中细胞通讯的元相互作用基础

已有 682 次阅读 2026-10-11 18:43 |个人分类:科普|系统分类:科普集锦

组织中细胞通讯的元相互作用基础

组织中的细胞通讯将细胞之间传递的信号转化为细胞内的反应，从而影响组织的结构和功能。细胞通讯并非由孤立的分子相互作用产生，而是通过多种分子相互作用和细胞状态的协调配合来实现的。在免疫细胞活化过程中，受体信号传导、细胞黏附以及后续的转录反应都在免疫突触处协同发挥作用。在肿瘤中，基质信号、细胞外基质与细胞的相互作用以及恶性细胞的反应也共同构成了有序的多细胞反应模式。因此，关键挑战不仅在于确定细胞通讯发生的部位，还在于弄清那些能够将各种局部相互作用转化为有序的组织行为的结构单元。这促使人们去寻找那些具有重复性、有方向性的细胞间相互作用模式。这些模式通过将发送方的状态、细胞间的信号传递以及接收方的反应联系起来，从而为这种组织结构提供基础。

空间转录组学为研究多细胞的相互作用提供了新途径：它能够在完整的组织中同时测量细胞的基因表达情况及其所处的空间环境。随着空间转录组学相关数据的不断增加，未来的重要任务是从单纯记录细胞之间的邻域关系和潜在的相互作用，转向揭示多细胞调控的规律性。计算方法有助于解析多细胞间相互作用的各个方面，包括分析空间上的配体-受体结合情况、推断由配体-受体相互作用介导的信号通路活性、模拟细胞相互作用的转录效应，以及识别多级信号传递网络。不过，这些方法通常分别或依次处理细胞间的信号、信号发送方的状态以及接收方的反应，而非将它们视为相互关联的组成部分，共同构成多细胞间复杂的信号传递机制。

要弥补这一缺陷，就需要弄清楚：究竟是哪些分子成分决定了各种信号传递过程；这些过程又是如何在不同的细胞对之间相互作用的。通过 LR 信号传导，发送细胞的状态与接收细胞的反应之间建立了联系。通过这种方式，我们就能了解这些信号传递过程在何处发挥作用、它们是如何形成多细胞间的信号传递网络的，以及它们的活动如何随着细胞状态、外部干扰和表型的变化而发生变化。不过，从 ST 中获取这些信息并非易事，原因有三：首先，信号传递是发生在特定的细胞对之间，而非单个细胞上，这就使得需要处理的推理范围变得非常大。其次，细胞内的基因表达既包括与细胞类型相关的固有表达，也包括由信号传递引发的转录反应，后者很难被单独区分出来。第三，每个信号传导通路都涉及发送方的调控、长程信号传递以及接收方的响应，因此很难确定哪些分子成分属于同一个信号传导通路。

Tang等人提出了 SpiderNet 这一可解释性框架（图1，https://github.com/ma-compbio-lab/SpiderNet）。该框架能够从 ST 数据中学习出描述细胞间相互作用的简洁模型。每种相互作用都是一种循环的、有方向的通信机制，它通过 LR 对将信号发送方与接收方连接起来。这些相互作用的活动程度是通过分析组织中相邻细胞对来确定的。SpiderNet 通过同时重建细胞对之间的 LR 共表达情况以及细胞的基因表达情况来学习这些相互作用模型。这样一来，相同的潜在相互作用模型既可以解释细胞间的信号传递过程，也可以解释信号发送方和接收方的转录变化。同时，该框架还专门用于分析与细胞类型相关的固有表达模式。这样一来，每个被识别的相互作用模型都能与其分子组成直接对应，而无需事后再对其进行解释。在模拟实验中验证了该模型能够正确识别真实的相互作用模型。同时，该模型与实际组织中独立分析得到的调控机制也高度一致。在癌症、基因突变以及衰老过程中，细胞间相互作用模型能够解析与细胞通讯相关的各种细胞状态和多细胞间的相互作用机制。该模型还能预测细胞对各种外部干扰的非自主反应方式，并识别出与组织表型和临床结果相关的各种生物学过程。这些分析共同表明，分子互作网络是一种中等尺度的表征方式，有助于我们理解、比较、追踪以及干扰细胞内的多细胞调控过程。

图1 SpiderNet 的总体结构。a，循环性、定向性分子相互作用的概念性结构。具有定向连接的相邻细胞对能够在多个分子相互作用中传递信号；每个分子相互作用则代表了通过配体-受体对将信号发送方中的调节因子与接收方中的靶标连接起来的分子机制。b，SpiderNet 通过将基因表达与空间信息相结合，从空间转录组学数据中识别出细胞间的分子相互作用。细胞之间的空间距离决定了它们之间的有序连接关系。每个细胞在作为信号发送方和接收方的角色上都被独立记录下来，从而可以确定哪些通信机制被激活了，以及其激活程度如何。该模型通过重建配体-受体共表达和细胞基因表达情况，从分子层面验证了所识别的分子相互作用。最终，该模型为信号发送方的调节因子、配体-受体连接点以及接收方的靶标基因提供了可解释的数值结果。输出结果包括分子信号特征、边缘层面的信号传导活动，以及细胞层面的信号传递情况。这些数据有助于通路分析、细胞亚型识别、多级信号传导过程的检测、计算机模拟下的空间扰动分析，以及表型预测

参考文献

[1] Junjie Tang, Shaoheng Liang, Shahul Alam, Wenduo Cheng, Yang Zhang, Jian Ma. A meta-interaction basis for cell-cell communication in tissues bioRxiv 2026.09.21.753369; doi: https://doi.org/10.64898/2026.09.21.753369

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