单细胞转录组学中基于优化方法的细胞谱系与通讯网络推断研究

第一作者及单位
本研究由美国加州大学欧文分校数学系的Shuxiong Wang、Matthew Karikomi、Adam L. Maclean（通讯作者，南加州大学生物科学系）和Qing Nie（通讯作者，加州大学欧文分校发育与细胞生物学系）合作完成，2019年3月29日在线发表于Nucleic Acids Research期刊（2019年第47卷第11期，文章编号e66，DOI: 10.1093/nar/gkz204）。

学术背景
研究领域与动机：
本研究属于单细胞转录组学（single-cell transcriptomics）与计算生物学交叉领域。随着单细胞RNA测序（scRNA-seq）技术的快速发展，解析细胞亚群、状态转换及细胞间通讯成为重要挑战。尽管已有多种计算工具用于细胞聚类、标记基因识别和伪时间排序（pseudotemporal ordering），但尚无统一框架整合这些任务以推断细胞间通讯网络（cell-cell communication network）。细胞间通讯的预测需要多层次的连贯分析，包括亚群划分、谱系关系和基因标记等，而现有方法缺乏这种系统性关联，导致细胞通讯网络的推断成为难题。

研究目标：
开发一种名为SOPtsc**（Similarity matrix-based Optimization for single-cell data analysis）的数学框架，通过结构化细胞相似性矩阵（cell-cell similarity matrix）同步完成无监督聚类（unsupervised clustering）、伪时间排序、谱系推断和标记基因识别，并预测通路特异性（pathway-specific）的细胞通讯网络，揭示发育与分化过程中的反馈或前馈调控机制。

研究流程与方法
1. 相似性矩阵构建与细胞聚类
- 输入数据：单细胞基因表达矩阵（m×n，m为基因数，n为细胞数）。
- 核心算法：通过低秩表示模型（low-rank representation model）学习系数矩阵Z，构建对称相似性矩阵S=max(|Z|, |Z^T|)。
- 聚类方法：采用对称非负矩阵分解（symmetric non-negative matrix factorization, NMF）将S分解为H×H^T，其中H的列向量代表聚类中心。通过截断共识矩阵（truncated consensus matrix）的图谱分析估计聚类数k。
- 标记基因识别：利用矩阵H与基因表达矩阵X的乘积计算基因权重，筛选特异性高表达基因作为标记基因（marker genes）。

1. 伪时间与谱系推断

   • 图构建：基于相似性矩阵S生成细胞-细胞图（cell-cell graph），节点为细胞，边权重为S的值。
     
   • 伪时间计算：以初始细胞（用户指定或自动选择）为根节点，通过最短路径长度定义伪时间顺序。
     
   • 谱系树构建：在聚类-聚类图（cluster-cluster graph）上计算最小生成树（minimum spanning tree, MST），反映细胞状态转换路径。
     

2. 细胞通讯网络预测

   • 输入定义：用户提供配体-受体对（ligand-receptor pairs）及靶基因集（含上调或下调信息）。
     
   • 信号概率模型：对每对细胞(i,j)，计算配体表达（li）、受体表达（rj）及靶基因活性（yv,j）的联合概率（公式2）。
     
   • 网络分析：汇总单细胞信号概率为聚类间通讯网络，结合谱系树识别反馈/前馈调控环路。
     

创新性方法：
- SOPtsc框架：首次通过相似性矩阵统一聚类、谱系和通讯网络推断。
- 低秩约束：提升相似性矩阵的全局与局部结构保持能力。
- 通路特异性通讯模型：整合配体-受体-靶基因三元关系量化信号概率。

主要结果
1. 聚类性能验证
- 数据集：9个已发表scRNA-seq数据集（含5个“金标准”数据集），如Deng等人（2014）和小鼠胚胎发育数据（Guo et al., 2010）。
- 对比方法：SC3、SIMLR、Seurat和t-SNE+k-means。
- 结论：SOPtsc在标准化互信息（NMI）指标上优于或持平其他方法（图2a），且聚类数预测更准确（图2b）。

1. 伪时间排序与谱系推断

   • 胚胎发育（Guo et al.）：成功识别从受精卵到外胚层（epiblast）的9个亚群，包括滋养外胚层（trophectoderm, TE）、原始内胚层（primitive endoderm, PE）的分支（图4d）。伪时间与实验发育阶段高度一致（图4e）。
     
   • 表皮再生（Joost et al.）：发现基底干细胞群（basal stem cells）的异质性，预测分化路径中TGF-β→BMP→Wnt的时序性信号激活（图5c）。
     

2. 细胞通讯网络

   • 造血系统（Olsson et al.）：预测BMP信号在粒细胞/单核细胞祖细胞（GMP）中活跃，与文献支持的骨髓调控功能一致（图6d）。
     
   • 跨数据集验证：在Nestorowa et al.的造血数据中，SOPtsc预测的Wnt通路反馈作用与Olsson数据一致（图7d），表明方法的鲁棒性。
     

结论与价值
1. 科学意义：
- SOPtsc首次实现了单细胞数据中聚类、谱系和通讯网络的协同推断，解决了细胞通讯预测的集成难题。
- 通过相似性矩阵的统一优化，避免了传统多步骤分析的偏差累积。

1. 应用价值：

   • 为发育生物学（如胚胎分化）、再生医学（如表皮修复）和血液疾病（如造血异常）提供新的分析工具。
     
   • 开源实现（MATLAB/R包）支持社区扩展应用。
     

2. 理论贡献：

   • 提出基于低秩表示的相似性矩阵构建方法，增强了对高维噪声的鲁棒性。
     
   • 信号概率模型首次整合配体-受体互作与靶基因调控，提升了通讯网络的可解释性。
     

研究亮点
1. 方法创新：
- 全流程整合：单框架完成从聚类到通讯网络的完整分析。
- 可扩展性：支持用户自定义通路，灵活适配不同生物学问题。

1. 生物学发现：

   • 揭示造血中BMP信号的祖细胞特异性激活，提出Wnt/TGF-β反馈调控的新假说。
     
   • 在表皮再生中发现基底干细胞的亚群异质性，修正了既往的均质化认知。
     

2. 技术革新：

   • 伪时间推断的准确性超越DPT和Monocle 2（图3c-f），聚类鲁棒性优于SC3（图2b）。
     

后续方向：
作者指出，未来可结合单细胞多组学数据（如染色质可及性）进一步提升通讯网络预测精度，并开发更高效的NMF算法以支持大规模数据分析。