以单细胞分辨率进行跨条件的细胞-细胞相互作用(CCI)比较存在挑战:样本细胞数量的差异可能与某些算法不兼容,这意味着可能需要包括数据插补,尤其是在单细胞分辨率下,例如DURIAN、 CellChat (V2)、CellPhoneDB (V5)和LIANA+等算法通过不同策略改善此挑战。 构建LRIs数据库是研究CCIs的关键:这一步骤涉及一些基本方面,如关注...
4.排列细胞类型信息,从中识别与p<.05的显著相互作用。 5.可视化CCI细胞-细胞相互作用分析结果。 一、环境准备 stlearn CCI 流程的第一步是配体-受体 (LR) 分析。该分析从候选配体-受体数据库中调用配体-受体相互作用的显著点。运行的时间在很大程度上取决于数据集和可用的计算资源;注意,stlearn已实现多线程功能。
事实上,这些CCI工具已经变得更加精细,通过考虑完整的单细胞分辨率和CCIs的异质性;更加局部化,在空间上定位细胞;更加深入,通过扩展配体类型并评估CCIs的细胞内事件;以及/或更广泛,通过将CCI分析扩展到多个样本和/或生物学条件(如患者、治疗方法、生活阶段和基因型背景)。 Fig. 1: Methodological advancement of cell–c...
DeepCCI 可以识别给定 scRNA-seq 数据集中CCIs的关键特征,并以易于解释的方式预测复杂的细胞间通讯。 DeepCCI细胞相互作用模型的性能评价 开发团队将DeepCCI与七种最先进的方法(SingleCellSignalR、iTALK、CellPhoneDB、CellChat、CellCall、CytoTalk和NATMI)进行比较,DeepCCI 在从scRNA-seq数据中发现具有生物学意义的CCIs...
2.2.CCI 和弦图 第二个图小云非常推荐~当可视化少数细胞类型之间的相互作用时,弦图就显得非常有用了。 是不是非常得精美~ 3.热图可视化 3.1 LR CCI映射 描述映射关系,热图必不可少!stlearn 当然也知道这点,使用lr_cci_map()函数实现了许多热图可视化,以便您可以同时可视化跨多个 LR 对的单个细胞类型与细胞类型...
以单细胞分辨率进行跨条件的细胞-细胞相互作用(CCI)比较存在挑战:样本细胞数量的差异可能与某些算法不兼容,这意味着可能需要包括数据插补,尤其是在单细胞分辨率下,例如DURIAN、 CellChat (V2)、CellPhoneDB (V5)和LIANA+等算法通过不同策略改善此挑战。 构建LRIs数据库是研究CCIs的关键:这一步骤涉及一些基本方面,如关注...
为了支持这些CCI分析,建立高置信度的蛋白质-蛋白质相互作用(LRI)数据库至关重要,其中包括蛋白质亚基、激活剂、抑制剂和/或竞争剂,甚至下游靶基因以捕捉细胞内基因调控。 此外,尖端的实验方法正在使CCIs的高通量分析成为可能,这导致了新的生物学发现,并帮助改进和验证计算工具。
为了进一步确定假设驱动的CCI(例如确定细胞类型特异性LRIs),可以进一步进行包括排列、参数和非参数测试在内的统计分析,以确定重要的相互作用。因此,计算工具能够识别重要的CCI并生成可以通过实验评估的生物学假设。 各种核心工具,如CellPhoneDB和CellChat,建立了一套“community”用于从转录组学推断cci的方法。
细胞间相互作用(Cell-cell interaction,CCI)是多细胞生物生命活动的基础。细胞之间可以通过配体、受体、代谢物等信号分子进行信号传递,并构成复杂的相互作用网络,从而与细胞内调控网络一并实现对细胞形态与功能的动态调控【1】。近年来,单细胞...
细胞间相互作用(Cell-cell interaction, CCI)是多细胞生物生命活动的基础。细胞之间可以通过配体、受体、代谢物等信号分子进行信号传递,并构成复杂的相互作用网络,从而与细胞内调控网络一并实现对细胞形态与功能的动态调控[1]。近年来,单细胞转录组测序技术(Single-cell RNA-sequencing, scRNA-seq)的发展,使得通过计算...