夜雨聆风学习资料网

ARTICLE · 1064787

又挖到一份7分模板!苏大团队小众热点EV基因集入手,【单细胞+机器学习+分子对接】串联机制,看着蛮好上手!

又挖到一份7分模板!苏大团队小众热点EV基因集入手,【单细胞+机器学习+分子对接】串联机制,看着蛮好上手!

各位临床朋友发文是不是都遇到过这个卡点:单细胞数据也下了,细胞图谱也画了,注释一出来就七八群细胞,然后呢?差异基因做一轮,富集画几张图,思路讲到细胞分群后就写不动了,往机制走没有着力点,往标志物走没有落点。

其实卡的不是技术,是缺一个能把细胞状态和临床问题接起来的中间层。正好,苏州大学团队在Frontiers in Immunology(IF 7.0,JCR Q1)发了一篇纯生信的研究,思路恰好演示了这个空档怎么填:不发明新算法,用细胞外囊泡程序评分这个中间层,把单细胞、细胞通讯、机器学习和分子对接串成一条线。数据用的GSE230809公共单细胞数据集,8例退变加3例对照的髓核样本。2月底投稿,5月初接收,节奏也快,一起来看看。

题目:单细胞细胞外囊泡程序评分解析椎间盘退变中 AP2S1、CSTB 介导的间充质基质细胞免疫代谢重编程与免疫互作

亮点

选题的聪明处在于切入点选在了「囊泡」上。椎间盘退变里间质基质细胞(MSC)的治疗价值早有人讲,但绝大多数研究停在细胞本身,这篇转而去给每个细胞算一个「细胞外囊泡程序评分」,问的是哪些细胞处在囊泡分泌活跃的状态,一下子把组织再生这个临床问题翻译成了单细胞数据里可量化的变量,后面所有分析都顺着这个分数展开,主线非常清楚。

方法上两个点值得记。头一个是评分先行、通讯在后:先用EV相关基因集给MSC打分,再用CellChat比较高分和低分细胞的信号接收强度,结果高分MSC传入信号显著增强,这一步把「囊泡活跃状态」和「免疫应答活跃状态」直接挂上钩,不是平行做两套分析,是先有评分再问通讯的先后设计。

第二个是机器学习筛选得到5个hub基因(AP2S1、CSTB、GSTP1、RPL28、TSG101),再用hub基因模型区分退变和对照,发现队列AUC 0.836,后分子对接给出CSTB与ripasudil的结合能-5.98 kcal/mol,从基因一路接到候选小分子,证据链没有断点。

发文潜力上,这套「基因集评分定位细胞状态→细胞通讯→机器学习→对接」的框架,近期在7分上下的文章见得越来越多。想复现但是没时间自己反复打磨思路?菜单栏【转人工】,云生信舰长可以先做选题评估

思路拆解

1. 分析GSE230809的8例椎间盘退变和3例对照髓核样本,经过质控与批次校正后识别7类主要细胞。

2. 从ExoBCD整理121个细胞外囊泡相关基因,用5种方法计算并整合EV程序评分,比较不同细胞及疾病组的分数。

3. 以MSC评分中位数划分高分与低分状态,用CellChat推断潜在配体—受体通讯,并筛出16个EV评分相关基因。

4. 用LASSO和SVM-RFE共同筛选5个hub基因,结合GSE70362分析免疫浸润和通路,并在炎症刺激的髓核细胞模型中做RT-qPCR。

5. 建立5基因列线图并报告发现队列AUC;在GSE186542中单独检验AP2S1和CSTB的区分能力。

6. 用拟时序观察AP2S1和CSTB在MSC状态变化中的表达趋势,再以分子对接评估CSTB与ripasudil的预测结合构象。

结果

单细胞分析识别出7类主要细胞,并显示退变与对照样本的细胞组成存在差异。

MSC的EV程序评分在退变样本中升高,但该评分反映相关转录活动,不等于实际囊泡分泌量。

CellChat推断显示高分MSC具有更强的传入信号和更多潜在互作,提示其更可能处于信号响应活跃状态。

LASSO与SVM-RFE共同筛出5个hub基因,RT-qPCR显示炎症刺激后AP2S1、CSTB升高,其余3个下降。

独立bulk队列显示免疫特征发生变化,hub基因也与部分免疫细胞评分和免疫介质相关。

AP2S1和CSTB与趋化因子、免疫检查点及其他免疫调节因子呈多项相关关系。

5基因列线图在发现队列中的AUC为0.836;外部小队列中AP2S1和CSTB的AUC分别为0.778和0.667,置信区间较宽。

拟时序显示AP2S1和CSTB随MSC状态变化而波动,对接则提示CSTB与ripasudil可能形成预测复合物。

云生信舰长点评

这篇的亮点在他的「评分层」的设计。多数单细胞文章的基因是从差异表里冒出来的,这篇让每个细胞先带上一个囊泡程序评分,后面的通讯分析、机器学习、模型全都围绕这个分数的细胞群展开,等于给整篇文章装了一根主轴,也是能发到7分的原因之一往大了看,单细胞文章正从「画图谱」往「给细胞状态定量」过渡,谁能先在自己的方向里找到那个可评分的中间变量,谁就占了先手。这个变量怎么挑、复现要排多少工作量,云生信常年都在做,从方案到分析都相当有经验了拓展两步咱们小伙伴还可以考虑泛免疫浸润分析补一层微环境证据,或者多重免疫荧光空间验证的公共数据复用,都能再抬一档。趁评分类思路还没卷起来,动手要趁早

相关学习资料