这篇文档属于类型a，是一项关于单细胞RNA测序数据分析工具CellCall的原创性研究。以下是对该研究的学术报告：
1. 作者及研究机构
本研究由Yang Zhang、Tianyuan Liu、Xuesong Hu等来自中国南方医科大学（Southern Medical University）的多位研究者合作完成，通讯作者为Yang Zhang、Dong Wang和Xiaoyang Zhao。论文于2021年7月31日在线发表于期刊 *Nucleic Acids Research*（2021年第49卷第15期，页码8520–8534），标题为《CellCall: integrating paired ligand–receptor and transcription factor activities for cell–cell communication》。
2. 研究背景
细胞间通讯（cell-cell communication）是多细胞生物协调组织功能的核心机制，其异常可能导致疾病发生。近年来，单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）技术的迅速发展为解析细胞间通讯提供了新机遇。然而，现有工具（如CellPhoneDB、NicheNet等）主要基于配体-受体（ligand-receptor, L-R）对的表达强度或特异性推断细胞间通讯，缺乏对细胞内信号通路（如转录因子活性）的整合分析，且无法明确细胞内外信号的传递路径。
为此，研究团队开发了CellCall，这是一个通过整合配体-受体对与转录因子（transcription factor, TF）活性来推断细胞间和细胞内通讯通路的工具。其目标是克服现有方法的局限性，提供更全面的细胞通讯分析框架。
3. 研究方法与流程
CellCall的开发与验证分为以下几个关键步骤：
3.1 数据收集与处理
- L-R-TF轴数据集构建：从KEGG（Kyoto Encyclopedia of Genes and Genomes）数据库中提取人类和小鼠的L-R-TF相互作用数据，筛选同一通路分支中的L-R对及其下游TF。最终获得19,144个人类L-R-TF轴和12,069个小鼠L-R-TF轴。
- TF-靶基因（target gene, TG）互作数据：整合TransFac、JASPAR等12个数据库的实验验证数据，共获得587,248个人类和554,207个小鼠TF-TG互作。
3.2 通讯评分模型
CellCall提出一种统计模型，将细胞间通讯分为两部分：
1. 配体-受体对（L-R）：通过软最大归一化（softmax）计算配体和受体的表达向量。
2. 调控子（regulon）：定义为与TF共表达的靶基因集合，通过GSEA（gene set enrichment analysis）评估其活性得分。
最终通讯评分（Sk）为L-R表达向量的L2范数与下游TF活性的乘积。若一个L-R对激活多个TF，则根据通路中的最短步长加权求和。
3.3 通路活性分析
基于杰卡德相似系数（Jaccard similarity）和超几何检验，量化特定细胞类型间通讯涉及的关键通路。
3.4 实验验证
- 案例1：人类睾丸细胞
利用scRNA-seq数据集（2,532个细胞）分析支持细胞（Sertoli cells）与精原干细胞（spermatogonial stem cells, SSCs）间的通讯，并通过免疫荧光验证预测的L-R-TF轴（如INHBB-ACVR2B-SMAD2）。
- 案例2：肿瘤免疫微环境（TIME）
分析10个TIME数据集（涵盖6种癌症），识别肿瘤特异性通讯（如CCL3/4/5-CCR1/5），通过TCGA泛癌数据验证下游TF（如STAT5B）的预后相关性。
3.5 工具比较
与CellPhoneDB、NicheNet等9种工具对比，CellCall在数据整合、功能多样性和准确性（AUC=0.731）上表现更优。
4. 主要结果
- 睾丸细胞通讯：发现47条支持细胞→SSCs的通讯路径，其中87%（41/47）被文献支持，如FGF1-FGFR1/3（调控SSCs维持）和BMP8B-BMPR1B（激活SMAD1/5/8）。免疫荧光证实ACVR2B与磷酸化SMAD2在SSCs中共定位。
- 肿瘤免疫通讯：单核/巨噬细胞（mono/macro）是TIME中的主要信号接收者，CCL3-CCR1等通路可能通过NF-κB和STAT家族TF调控M1/M2极化。生存分析显示，STAT5B高表达与肝癌患者良好预后显著相关。
- 方法优势：CellCall的通讯预测文献支持率（87%）显著高于其他工具（如SingleCellSignalR仅31.43%），且首次实现细胞内TF活性的可视化。
5. 结论与意义
CellCall填补了现有工具在细胞内信号传递路径解析上的空白，其创新性在于：
1. 整合性：首次将L-R互作与TF活性耦合，形成“细胞外→细胞内”的完整通讯模型。
2. 应用价值：为生殖生物学（如精子发生）和肿瘤免疫（如M2巨噬细胞极化）研究提供新工具。
3. 开源性：代码公开于GitHub（https://github.com/shellycoder/cellcall），支持多种可视化（Circos图、Sankey图等）。
6. 研究亮点
- 方法学创新：提出L-R-TF轴的量化模型，并通过KEGG通路数据保证生物学合理性。
- 跨领域验证：在生殖和肿瘤免疫两大领域验证工具的普适性。
- 实验支持：免疫荧光和生存分析为预测结果提供实验证据。
7. 其他
研究还讨论了局限性，例如仅基于scRNA-seq数据无法解析非基因表达调控的信号通路（如蛋白质修饰），未来需结合单细胞蛋白质组学数据扩展功能。