量化腫瘤微環(huán)境（TME）中各種細(xì)胞類型之間和內(nèi)部的串?dāng)_厚棵，有助于開發(fā)用于腫瘤靶向治療的工具最住〖牵《Briefings in Bioinformatics》發(fā)表了一篇綜述文章侨糟，介紹了 TME 中細(xì)胞間通信估計(jì)的管道碍扔、配體-受體相互作用 (LRI)??數(shù)據(jù)資源和可視化工具，并且主要展示了七種經(jīng)典的細(xì)胞間通訊評分策略秕重，分析了各種細(xì)胞間串?dāng)_推斷方法的優(yōu)點(diǎn)和局限性不同。此外，還探討了細(xì)胞間通訊識別過程中的挑戰(zhàn)。?
結(jié)合 scRNA-seq 數(shù)據(jù)二拐、空間轉(zhuǎn)錄組數(shù)據(jù)和 LRI服鹅，配體-受體介導(dǎo)的細(xì)胞間通訊推斷通常包括以下七個(gè)步驟：
(i) 細(xì)胞調(diào)查。?從 scRNA-seq 數(shù)據(jù)研究細(xì)胞以評估所有基因的表達(dá)水平卓鹿。
(ii) 基因表達(dá)矩陣構(gòu)建菱魔。?基于跨不同細(xì)胞的每個(gè)基因的轉(zhuǎn)錄數(shù)據(jù)構(gòu)建基因表達(dá)矩陣。
(iii) 原始 LRI 數(shù)據(jù)整理吟孙。從可用數(shù)據(jù)資源中捕獲參與細(xì)胞間通訊的相互作用蛋白（例如配體和受體之間的相互作用）澜倦。
(iv) 基因篩選。?與相互作用蛋白相關(guān)的基因保留在上述基因表達(dá)矩陣中杰妓。
(v) LRI 分?jǐn)?shù)計(jì)算藻治。?基因表達(dá)值用作計(jì)算介導(dǎo)兩種細(xì)胞類型的每個(gè)配體-受體對的相互作用分?jǐn)?shù)的輸入。
(vi) 細(xì)胞間通訊推斷巷挥。?聚合來自介導(dǎo)兩種細(xì)胞類型的所有 LRI 的相互作用分?jǐn)?shù)桩卵，以獲得兩種細(xì)胞類型之間串?dāng)_的總體狀態(tài)。
(vii) 可視化倍宾。?可視化工具用于解釋聚合的細(xì)胞間通信分?jǐn)?shù)雏节。
LRI 數(shù)據(jù)源和可視化工具
LRI 數(shù)據(jù)源
從 scRNA-seq 數(shù)據(jù)重建細(xì)胞間通訊取決于基因共表達(dá)，其中給定對中的兩個(gè)基因分別來自兩個(gè)獨(dú)立的相互作用細(xì)胞高职。應(yīng)用于細(xì)胞間通訊推斷的主要基因類別來自觀察到的配體及其同源受體钩乍。因此，提出了一些研究整理了 LRI 數(shù)據(jù)源怔锌，通過結(jié)合有關(guān) LRI 的先驗(yàn)知識來量化細(xì)胞間通訊寥粹。
可視化工具
已經(jīng)開發(fā)了各種可視化工具來分析細(xì)胞間通信。使用這些工具可以更生動地描述細(xì)胞間的通信埃元。
細(xì)胞間通信評分策略及計(jì)算方法
著眼于配體-受體共表達(dá)模式涝涤，細(xì)胞-細(xì)胞通訊評分可以結(jié)合已知的 LRI 和單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行量化。經(jīng)典的細(xì)胞間通訊評分策略包括基于表達(dá)閾值的方法岛杀、基于表達(dá)產(chǎn)物的方法阔拳、基于表達(dá)歸一化的方法、基于特異性表達(dá)的方法类嗤、基于表達(dá)的總計(jì)分方法衫生、基于正則化產(chǎn)物的方法和基于幾何平均值的方法。
在 TME 中土浸，各種細(xì)胞類型通過配體-受體介導(dǎo)相互交流罪针。關(guān)注分泌配體及其同源細(xì)胞表面受體的共表達(dá)模式，不斷開發(fā)用于細(xì)胞間通訊預(yù)測的計(jì)算方法黄伊。這些方法主要涉及基于網(wǎng)絡(luò)的方法泪酱、基于機(jī)器學(xué)習(xí)的方法、基于空間信息的方法和其他方法。
推斷出的細(xì)胞間通訊可以通過三種方式進(jìn)行評估和驗(yàn)證：實(shí)驗(yàn)策略毡惜、計(jì)算策略和文獻(xiàn)整理。用于驗(yàn)證和評估預(yù)測的細(xì)胞間通訊的實(shí)驗(yàn)策略大致涵蓋三個(gè)層面：（1）表達(dá)驗(yàn)證斯撮；（2） 功能驗(yàn)證经伙；（3） LRI可視化。計(jì)算策略主要包括近似似然比檢驗(yàn)（ALR）勿锅、Benjamini Hochberg程序（BH）派歌、交叉驗(yàn)證（CV）飞醉、Fisher檢驗(yàn)（Fisher）、超幾何分布（HD）、t檢驗(yàn)悬垃、Wilcoxon檢驗(yàn)（Wilcoxon）昵观、Kolmogrov-Sminov檢驗(yàn)（KS）和排列檢驗(yàn)或重新隨機(jī)化檢驗(yàn)（permutation）鹃两。此外意推，文獻(xiàn)檢索也是驗(yàn)證推斷的細(xì)胞間通訊的一種方法。
基于計(jì)算的細(xì)胞間通訊識別方法主要包括四個(gè)過程：數(shù)據(jù)獲取和預(yù)處理吞鸭、細(xì)胞類型識別寺董、涉及兩種細(xì)胞類型的配體-受體對評分以及基于配體-受體對評分的細(xì)胞-細(xì)胞通訊預(yù)測。?計(jì)算方法顯著促進(jìn)了配體-受體介導(dǎo)的細(xì)胞間通訊推斷刻剥。然而基于網(wǎng)絡(luò)的方法無法探測孤配體或受體的配體和受體之間潛在的相互作用遮咖；基于機(jī)器學(xué)習(xí)的方法需要確定聚類的數(shù)量并解決缺少負(fù) LRI 的問題；基于空間信息的方法需要協(xié)調(diào)不同的異構(gòu)數(shù)據(jù)透敌。
挑戰(zhàn)及未來研究方向
挑戰(zhàn)
細(xì)胞間通訊推斷通常旨在根據(jù)轉(zhuǎn)錄組學(xué)數(shù)據(jù)和 LRI 數(shù)據(jù)對兩種細(xì)胞類型之間的通訊特異性進(jìn)行評分盯滚。盡管計(jì)算方法已越來越多地用于測量TME中相同或不同細(xì)胞類型之間的串?dāng)_踢械，但仍面臨許多挑戰(zhàn)酗电，包括整合scRNA-seq數(shù)據(jù)、空間轉(zhuǎn)錄組數(shù)據(jù)和源圖像内列；優(yōu)化細(xì)胞類型識別及其分離精度撵术；存在錯(cuò)誤和缺失的LRIs數(shù)據(jù)；缺乏“金標(biāo)準(zhǔn)”數(shù)據(jù)集來衡量細(xì)胞間通信推理模型的性能话瞧。
未來研究方向
未來嫩与，細(xì)胞間通信識別可以基于以下方向進(jìn)一步進(jìn)行：
1）數(shù)據(jù)獲取和集成：整合可用的數(shù)據(jù)資源以獲得更精確的LRIs樣本，尤其是人類進(jìn)化上更接近的多個(gè)物種的LRIs交排。此外划滋，機(jī)器學(xué)習(xí)技術(shù)可以成為減少LRIs觀測中未知噪聲的有效策略。
2）使用多組學(xué)技術(shù)推斷細(xì)胞間通信：（i）現(xiàn)有的細(xì)胞-細(xì)胞通信鑒定方法忽略了其他非肽分子埃篓，例如小分子处坪、miRNA、核酸配體和脂質(zhì)。隨著單細(xì)胞多組學(xué)技術(shù)的進(jìn)步同窘，多種方法整合多組學(xué)數(shù)據(jù)可能會顯著增強(qiáng)關(guān)于腫瘤細(xì)胞狀態(tài)改變的機(jī)制知識玄帕。（ii）細(xì)胞通信推斷應(yīng)考慮細(xì)胞的空間接近性∠氚睿空間轉(zhuǎn)錄組學(xué)技術(shù)使用配體和受體的表達(dá)數(shù)據(jù)作為輸入裤纹，使用細(xì)胞類型之間的距離作為輸出，可能有助于識別細(xì)胞間通信的物理距離依賴性潛力丧没。（iii）還應(yīng)研究單核RNA測序方法鹰椒，對單核進(jìn)行分析，并對不易分離成單細(xì)胞懸浮液的組織（例如大腦和骨骼悸钐）進(jìn)行快速樣品處理吹零。
3）基于深度聚類的細(xì)胞類型識別：深度聚類模型可以使用多層抽象和反向傳播算法獲得數(shù)據(jù)的有效表示并捕獲其復(fù)雜結(jié)構(gòu)，已廣泛應(yīng)用于生物信息學(xué)的各個(gè)領(lǐng)域拉庵。因此灿椅，基于深度學(xué)習(xí)的聚類技術(shù)，結(jié)合細(xì)胞的生物學(xué)特征钞支，可以成為更準(zhǔn)確地識別細(xì)胞類型的一種強(qiáng)有力的策略茫蛹。
4）基于集成深度學(xué)習(xí)的LRIs分類：集成深度學(xué)習(xí)融合了集成學(xué)習(xí)思想和深度學(xué)習(xí)技術(shù)，具有顯著的靈活性和適應(yīng)性烁挟。通過其在細(xì)胞間通信評估中的新應(yīng)用婴洼，集成深度學(xué)習(xí)將釋放其處理各種關(guān)鍵挑戰(zhàn)的能力，包括噪聲和異構(gòu)數(shù)據(jù)撼嗓、高維度和不平衡的類分布柬采，同時(shí)顯著提高細(xì)胞間通訊量化模型的準(zhǔn)確性、穩(wěn)定性和可重復(fù)性且警。
5）腫瘤特異性細(xì)胞間通訊預(yù)測：TME 中的細(xì)胞間通信識別應(yīng)該考慮它們對TME的特異性粉捻。腫瘤中捕獲的細(xì)胞間通訊也應(yīng)與來自同一供體的對照組織中的細(xì)胞間通訊進(jìn)行比較。此外斑芜，還應(yīng)區(qū)分LRIs的變化是由癌細(xì)胞之間的通訊引起的肩刃，還是癌細(xì)胞與浸潤的免疫細(xì)胞之間的通訊引起的。
首發(fā)公號國家基因庫大數(shù)據(jù)平臺
參考文獻(xiàn)
Peng L, Wang F, Wang Z, et al. Cell–cell communication inference and analysis in the tumour microenvironments from single-cell transcriptomics: data resources and computational strategies[J]. Briefings in Bioinformatics, 2022, 23(4): bbac234.
