《单细胞转录组学视角下的细胞间通讯研究进展》学术报告

作者与发表信息
本文由加州大学欧文分校的Axel A. Almet、Zixuan Cang、Suoqin Jin及Qing Nie（通讯作者）团队合作完成，发表于 Current Opinion in Systems Biology 2021年特刊“理论方法分析单细胞数据”（2021年3月26日在线发表），主题为利用单细胞转录组学（single-cell transcriptomics, scRNA-seq）和空间转录组学（spatial transcriptomics, ST）技术解析细胞间通讯（cell-cell communication, CCC）的分子机制与计算方法。

研究背景与目标
细胞间通讯是生物组织功能调控的核心过程，传统研究受限于技术手段，仅能分析少数细胞类型和基因的相互作用。随着单细胞转录组学技术的突破，研究者可在单细胞分辨率下全面解析基因表达谱，为构建细胞间通讯网络提供了前所未有的机会。本文旨在：(1) 综述基于非空间scRNA-seq和空间ST数据的CCC推断方法及其互补性；(2) 探讨当前技术瓶颈及未来发展方向。

核心内容与论点

1. CCC推断的基本原理与挑战
细胞通讯依赖于配体-受体（ligand-receptor）结合触发下游基因响应（图1a）。scRNA-seq可量化配体和受体基因表达，但存在两大局限：
- 蛋白质水平差异：基因表达未必直接反映蛋白活性，需结合下游靶基因验证（如CellChat通过质量作用定律计算通讯概率）。
- 空间约束丢失：scRNA-seq缺失细胞空间位置信息，可能高估远程相互作用（图1b）。ST技术保留空间信息但可能牺牲单细胞分辨率（图1c）。

支持证据：
- 实验表明，仅30%的基因表达变化与蛋白水平一致（引用多组学数据验证）。
- 空间模拟显示，配体扩散范围显著影响通讯概率（如SpaOTsc通过最优运输模型量化空间距离效应）。

2. 基于scRNA-seq的CCC推断方法
作者系统总结了11种主流工具（表1），分类如下：
- 基础方法：如CellPhoneDB通过置换检验筛选显著配体-受体对；CellChat引入Hill函数模型和辅助因子（如激动剂/拮抗剂）增强准确性。
- 高级功能：
- SCTensor使用张量分解捕获多细胞簇互动；
- NicheNet整合下游靶基因预测信号传导路径；
- CytoTalk构建细胞内-间基因互作网络。

技术亮点：
- CellChat提供网络中心性分析（图2f）、模式识别（图2g）及跨数据集信号比较（图2h），支持复杂通讯网络的系统生物学解析。
- 应用案例：CellChat预测COVID-19中血脑屏障细胞的炎症信号传导机制（Yang et al., 2020）。

3. 空间转录组学在CCC中的应用
ST与scRNA-seq整合可校正空间假阳性（图3a），代表性方法包括：
- 距离约束：Giotto构建空间邻近图过滤远程互作；SpaOTsc通过最优运输映射基因表达至空间坐标（图3b）。
- 动态建模：SpaOTsc可估算信号通路“扩散性”，反映配体空间衰减规律。

局限性：当前方法均未考虑时间维度，需结合时空轨迹分析进一步发展。

4. 未来研究方向
作者提出五大前沿议题：
- 多尺度整合：耦合CCC与基因调控网络（GRNs）和细胞命运轨迹（如Monocle 3算法）。
- 算法验证：需开发合成数据生成工具（如模拟空间约束的CCC网络）。
- 多组学融合：联合scATAC-seq（单细胞染色质可及性测序）和蛋白组数据提升推断可靠性。

学术价值与意义
本文是首篇系统总结单细胞尺度CCC推断方法的综述，其贡献包括：
1. 方法论创新：梳理了非空间与空间数据的互补策略，为工具选择提供路线图。
2. 应用指导：通过实例（如胚胎发育、免疫微环境）阐明CCC在疾病机制解析中的潜力。
3. 领域推动：提出的未来方向（如动态建模、多组学整合）已成为近年研究热点（如2023年Nature Methods相关评述）。

亮点
- 全面性：覆盖2018-2021年所有主流工具，对比其数据库、算法及输出格式（表1）。
- 批判性：明确指出基因-蛋白表达差异和空间偏差是当前最大挑战，需实验（如空间蛋白组）进一步验证。

（注：全文涉及的专业术语均采用“英文（原文）”格式首次标注，符合学术规范。）