知识积累---从单细胞和空间转录组学推断模式驱动的细胞间信号流

作者，Evil Genius

今日参考文献

实现的目标

真实的信号流：流入信号---基因调控----靶基因变化----流出信号

知识背景

• 细胞间通信驱动由细胞内基因模块介导的定向信息流，进而触发其他信号的流出。
• 细胞通过生化信号进行交流，组织生物活动。细胞间信号的流入通过涉及转录因子(tf)及其下游靶点的细胞内基因调控机制进行处理，从而导致其他信号的流出。这些“因果关系”的时空流动驱动着每一个生物过程。
• 生物稳态是通过细胞间流动的协调来维持的，而这种协调在疾病中受到干扰。

文章的方法思路：识别配体-受体相互作用---流入由细胞内过程介导，并驱动随后的其他细胞间信号流出。

描述了三种类型的构建变量之间的细胞间流动:流入信号、细胞内基因模块和流出信号。

我们来看看这个方法

FlowSig使用基因表达值和细胞间通信推断的输出来计算描述定向依赖的细胞间流动。这些依赖关系从流入的细胞间信号指向细胞内的GEM（ gene expression modules），这些GEM可能是单个TF或相关基因集的细胞富集，并从GEM指向流出的细胞间信号。 其次，对于从细胞-细胞通信推断推断出的每个配体-受体相互作用，我们从OmniPath数据库中提取下游TF靶点来测量信号流入。受体基因表达量化细胞接收细胞间信号的潜力，下游TF表达量化细胞实际接收信号的程度。

首先是合成数据的验证

多软件分析比较检测通讯的真实性

输入信号----TF调控 ----靶基因表达改变------输出信号（信号流）

类器官数据验证，从真实的生物数据集中准确地捕获了细胞间流动的主要驱动因素。

识别刺激引起的细胞间流动的变化

通过比较正常和疾病的信号流变化，识别外部条件引起的信号流。

使用多重扰动来发现疾病驱动的变化

文章分析了从健康对照和中度或重度COVID-19患者中取样的人支气管肺泡灌洗液(BALF)细胞的scrna数据。

识别空间信号流

示例代码在https://github.com/axelalmet/flowsig

生活很好，有你更好