[圖片上傳失敗...(image-8bf3d9-1728454806542)]

Basic Information

• 英文標(biāo)題： The diversification of methods for studying cell–cell interactions and communication
• 中文標(biāo)題：研究細(xì)胞-細(xì)胞相互作用和通信方法的多樣化
• 發(fā)表日期：18 January 2024
• 文章類型：Review Article
• 所屬期刊：Nature Reviews Genetics
• 文章作者：Erick Armingol | Nathan E. Lewis
• 文章鏈接：https://www.nature.com/articles/s41576-023-00685-8

Abstract

1. 沒有細(xì)胞是生活在真空中的，細(xì)胞間的分子相互作用定義了大多數(shù)表型削锰。
2. 轉(zhuǎn)錄組學(xué)提供了豐富的信息來推斷細(xì)胞-細(xì)胞間的相互作用和通訊法焰，從而加速發(fā)現(xiàn)細(xì)胞在群落中的角色。
3. 這類研究在很大程度上依賴于推斷哪些細(xì)胞在相互作用以及涉及到的配體和受體的算法铆铆。
4. 不同研究領(lǐng)域的特定壓力正在推動下一代計算工具的進(jìn)化羊赵，實現(xiàn)了新的概念機(jī)會和技術(shù)進(jìn)步潮梯。
5. 現(xiàn)在更復(fù)雜的算法可以考慮到細(xì)胞的異質(zhì)性和空間組織，多種配體類型和細(xì)胞內(nèi)信號傳導(dǎo)事件艘策，并使得使用更大、更復(fù)雜的數(shù)據(jù)集成為可能渊季，包括單細(xì)胞和空間轉(zhuǎn)錄組學(xué)朋蔫。
6. 同樣，新的高通量實驗方法正在增加可以同時分析相互作用的數(shù)量和分辨率却汉。
7. 在這里驯妄，我們探討了細(xì)胞-細(xì)胞相互作用研究的最新進(jìn)展，并突出了下一代工具的多樣化合砂，這些工具為不同的應(yīng)用產(chǎn)生了豐富的工具生態(tài)系統(tǒng)青扔，并正在實現(xiàn)無價的發(fā)現(xiàn)。

Introduction

para

1. 細(xì)胞-細(xì)胞相互作用（CCIs）是多細(xì)胞生命的基石翩伪，它使細(xì)胞能夠存在于社群中并執(zhí)行集體功能赎懦。
2. 細(xì)胞通過產(chǎn)生多種分子和膜結(jié)構(gòu)來與其他細(xì)胞相互作用，激活其他細(xì)胞中的信號傳導(dǎo)途徑幻工。
3. 這些相互作用協(xié)調(diào)基因表達(dá)励两，然后驅(qū)動細(xì)胞功能。
4. 這些相互作用涉及結(jié)構(gòu)性和功能性的蛋白質(zhì)囊颅、小分子化合物当悔、細(xì)胞外基質(zhì)、膜突起和細(xì)胞外囊泡踢代。
5. 然而盲憎，與在其他細(xì)胞上的同源受體結(jié)合的配體，或配體-受體相互作用（LRIs）胳挎，是用于細(xì)胞-細(xì)胞相互作用的占主導(dǎo)地位的機(jī)制饼疙。
6. 由LRIs介導(dǎo)的細(xì)胞相互作用，專門用于傳遞信號慕爬，也被稱為細(xì)胞-細(xì)胞通訊（CCC）窑眯，但為了簡單起見，我們只將這種特定亞型簡稱為CCIs医窿。

para

1. 在過去的十年里磅甩，人們對研究細(xì)胞間通訊（CCIs）的興趣日益濃厚，以了解調(diào)控組織生理學(xué)姥卢、疾病和發(fā)育的分子機(jī)制卷要。
2. 特別是轉(zhuǎn)錄組學(xué)渣聚，已經(jīng)成為大量計算方法的基礎(chǔ)，這些方法捕捉CCIs的不同方面僧叉，例如參與的細(xì)胞類型和涉及的分子機(jī)制奕枝。
3. 為了支持這些CCI分析，建立高置信度的蛋白質(zhì)-蛋白質(zhì)相互作用（LRI）數(shù)據(jù)庫至關(guān)重要瓶堕，其中包括蛋白質(zhì)亞基倍权、激活劑、抑制劑和/或競爭劑捞烟，甚至下游靶基因以捕捉細(xì)胞內(nèi)基因調(diào)控薄声。
4. 此外，尖端的實驗方法正在使CCIs的高通量分析成為可能题画，這導(dǎo)致了新的生物學(xué)發(fā)現(xiàn)默辨，并幫助改進(jìn)和驗證計算工具。

para

1. 已經(jīng)開發(fā)出各種各樣的計算工具苍息，它們通過已知的LRIs來推斷樣本中的CCIs缩幸。
2. 這些核心方法使用配體和受體的表達(dá)水平來闡明細(xì)胞是如何進(jìn)行交流的，從而產(chǎn)生新的生物學(xué)假設(shè)竞思。
3. 簡而言之表谊，作為一個通用示例，可以如下預(yù)測CCIs：首先盖喷，將基因表達(dá)矩陣過濾爆办，只包括配體和受體。
4. 其次课梳，匯總特定細(xì)胞類型（例如通過在單個細(xì)胞中平均表達(dá)水平）的所有單個細(xì)胞中每個基因的表達(dá)水平距辆。
5. 第三，對于樣本中的每一對細(xì)胞類型暮刃，評估每一對候選LRIs跨算，通過考慮發(fā)送細(xì)胞類型中的配體表達(dá)水平和接收細(xì)胞類型中的受體表達(dá)水平。
6. 最后椭懊，分別為每一對細(xì)胞類型的每個LRIs計算一個通信得分（例如诸蚕，這可以是發(fā)送者-接收者細(xì)胞類型對中的配體和受體表達(dá)水平之間的乘積、平均值或幾何平均值）氧猬。
7. 為了進(jìn)一步確定假設(shè)驅(qū)動的CCIs（例如確定細(xì)胞類型特異性的LRIs）背犯，可以進(jìn)一步進(jìn)行包括排列、參數(shù)和非參數(shù)測試的統(tǒng)計分析來識別顯著的相互作用狂窑。
8. 因此媳板，計算工具能夠識別重要的CCIs，并生成可以通過實驗評估的生物學(xué)假設(shè)泉哈。

para

1. 幾種核心工具已經(jīng)幫助揭示了眾多重要的細(xì)胞-細(xì)胞相互作用（CCIs），并且新的工具正在出現(xiàn)以應(yīng)對更加復(fù)雜的細(xì)胞間相互作用的細(xì)微差別。
2. 例如丛晦，信號事件在細(xì)胞之間有所不同奕纫，甚至在同一細(xì)胞類型內(nèi)部也是如此。
3. 此外烫沙，適當(dāng)?shù)南嗷プ饔靡蕾囉诩?xì)胞的鄰近性以及多種類型的分子（如蛋白質(zhì)匹层、代謝物等）。
4. 總的來說锌蓄，CCIs受其發(fā)生的生物學(xué)背景或條件的影響升筏。
5. 因此，下一代工具現(xiàn)在通過考慮這些方面的一些問題瘸爽，更好地模擬了CCIs（見圖1a）您访。
6. 事實上，這些CCI工具已經(jīng)變得更加精細(xì)剪决，通過考慮完整的單細(xì)胞分辨率和CCIs的異質(zhì)性灵汪；更加局部化，在空間上定位細(xì)胞柑潦；更加深入享言，通過擴(kuò)展配體類型并評估CCIs的細(xì)胞內(nèi)事件；以及/或更廣泛渗鬼，通過將CCI分析擴(kuò)展到多個樣本和/或生物學(xué)條件（如患者览露、治療方法、生活階段和基因型背景）譬胎。

Fig. 1: Methodological advancement of cell–cell interaction research.

[圖片上傳失敗...(image-ff9758-1728454806541)]

• 廣泛的計算工具已經(jīng)被開發(fā)出來肛循，用于從基因表達(dá)推斷細(xì)胞-細(xì)胞相互作用（CCIs）。
• 最近的技術(shù)創(chuàng)新擴(kuò)展了這種分析的能力银择，以考慮單細(xì)胞相互作用的更精細(xì)的分辨率多糠、空間信息、更大的數(shù)據(jù)集和更深層的信息浩考。
• 實驗方法擴(kuò)展了傳統(tǒng)方法的威力夹孔，提高了追蹤C(jī)CIs的通量。

para

1. 傳統(tǒng)的實驗通常用于驗證CCI預(yù)測析孽，往往聚焦于中介分子的共定位搭伤，包括諸如熒光原位雜交、熒光共振能量轉(zhuǎn)移和免疫染色等技術(shù)袜瞬。
2. 盡管這些方法允許對特定的相互作用伙伴進(jìn)行假設(shè)驅(qū)動的 study怜俐，但尖端的高通量技術(shù)可以同時追蹤大量的相互作用，實現(xiàn)一種無假設(shè)的方法邓尤。
3. 這些技術(shù)闡明了物理CCI拍鲤，其分辨率橫跨細(xì)胞-細(xì)胞接口到系統(tǒng)性的CCI網(wǎng)絡(luò)贴谎，例如揭示了CCI的物理網(wǎng)絡(luò)、參與特定細(xì)胞-細(xì)胞接觸的不同生物分子季稳、新的LRIs和通信機(jī)制擅这，以及復(fù)雜的信號活動。
4. 因此景鼠，這些技術(shù)是擴(kuò)大CCI研究規(guī)模并驗證下一代計算工具的關(guān)鍵仲翎。

para

1. 之前的綜述介紹了推斷CCI的概念、收集和構(gòu)建LRI數(shù)據(jù)庫铛漓、實施分析工作流程以及了解工具使用的數(shù)學(xué)和統(tǒng)計策略溯香。
2. 在這里，我們回顧了計算和實驗工具如何最近發(fā)展以改進(jìn)CCI研究（圖1）浓恶，提供了一個廣泛的工具目錄玫坛。
3. 我們首先突出了不同下一代計算工具的定義特征、它們的局限性问顷、示例應(yīng)用以及由此產(chǎn)生的發(fā)現(xiàn)昂秃。
4. 接下來，我們介紹了具有更高通量的前沿方法杜窄，其中每一種都允許研究人員實驗性地追蹤C(jī)CI肠骆。
5. 我們描述了它們所支持的研究類型，以及它們?nèi)绾螏椭晟朴嬎愎ぞ卟⑹蛊涓鼫?zhǔn)確塞耕。
6. 最后蚀腿，我們討論了該領(lǐng)域的挑戰(zhàn)和未來的發(fā)展方向。

Next-generation computational tools

1. 各種核心工具扫外，例如CellPhoneDB和CellChat莉钙，建立了一套被社區(qū)用來從轉(zhuǎn)錄組學(xué)推斷細(xì)胞間通訊（CCIs）的方法。
2. 這些‘核心工具’基于配體和受體的表達(dá)筛谚，通過核心評分函數(shù)（例如表達(dá)平均值磁玉、表達(dá)乘積、表達(dá)相關(guān)性驾讲、基于表達(dá)的Hill函數(shù)和差異組合）來推斷CCIs蚊伞，而沒有被設(shè)計來特別解決圖1a中顯示的任何方面。
3. 然而吮铭，概念性的機(jī)會和技術(shù)進(jìn)步現(xiàn)在正在推動計算工具的進(jìn)一步演變时迫，這些工具正在適應(yīng)不同研究領(lǐng)域的特定壓力（見圖2）。
4. 在這里谓晌，我們討論這種演變的特征以及它們?nèi)绾瓮ㄟ^采用基于規(guī)則和數(shù)據(jù)驅(qū)動的策略（見框1）來滿足特定需求掠拳，以解答額外的生物學(xué)問題。

Fig. 2: Phylogenetic tree of computational tools for inferring cell–cell interactions.

[圖片上傳失敗...(image-cd7dde-1728454806541)]

• 計算工具纸肉，用于推斷細(xì)胞-細(xì)胞相互作用（CCIs）溺欧，已經(jīng)從一系列核心工具的“根源”發(fā)展而來喊熟。
• 從這一根源出發(fā)，方法變得更加專業(yè)化胧奔，以解決特定的機(jī)遇（中心位置的灰色箭頭）逊移。
• 從中心向外延伸的主要分支代表了工具的主要特征（“核心工具”预吆，“更精細(xì)”龙填，“更深入”，“更廣泛”拐叉，“更局部化”或“其他改進(jìn)”）岩遗。
• 彩色框表示每種工具或工具子群的次要特征（彩色陰影）。
• 共展示了105種工具（詳見補充表1以獲取更多詳細(xì)信息凤瘦，包括摘要和存儲庫可用性）宿礁。
• 工具的分組如下：“核心工具”依賴于核心或類似的評分函數(shù)，并且是CCI分析的一般框架蔬芥；其他分支捕捉具有主要特征的工具梆靖，如圖1a所示（其他分支的次要特征在補充表1中進(jìn)一步展示）；“其他改進(jìn)”突出了其主要特征未在圖1a中顯示的工具（例如笔诵，實現(xiàn)交互式界面返吻，啟用基準(zhǔn)測試，并專注于同時推斷多個配體-受體相互作用（LRIs）以推斷CCIs）乎婿；分支和葉子根據(jù)底層算法的相似性测僵，次要特征或發(fā)表日期進(jìn)行排序，定義了不同的子組（彩色框和陰影）谢翎。
• 在撰寫本綜述時以預(yù)印本形式發(fā)表的工具用星號標(biāo)記捍靠。
• 如果同一工具的多個版本包含不同的特征并且發(fā)表在不同的文章中，則將它們視為獨立的版本森逮。
• DE榨婆，差異表達(dá)。

框1 基于規(guī)則和數(shù)據(jù)驅(qū)動的計算策略

• 細(xì)胞-細(xì)胞相互作用（CCI）工具利用多種計算策略褒侧，許多可以分為基于規(guī)則和數(shù)據(jù)驅(qū)動的方法（見補充表1）良风。基于規(guī)則的工具（如SoptSC19璃搜、NICHES44拖吼、ICELLNET39和NATMI125）結(jié)合了對CCI行為的假設(shè)或先驗知識。它們使用與配體和受體數(shù)量相關(guān)的原則來建模相互作用（如配體和受體表達(dá)的閾值这吻，或使用表達(dá)水平作為描述相互作用模式的連續(xù)核心函數(shù)的輸入7）吊档，或者通過定義相互作用規(guī)則（如基于代理的模型）。然而唾糯，基于規(guī)則的方法可能在適應(yīng)更高的CCI復(fù)雜性怠硼，噪聲數(shù)據(jù)和未考慮的變量方面遇到困難鬼贱。相反，數(shù)據(jù)驅(qū)動的工具主要使用統(tǒng)計測試或機(jī)器學(xué)習(xí)（如差異分析香璃、標(biāo)簽置換这难、回歸模型、分解方法和深度學(xué)習(xí)）來解釋基因表達(dá)葡秒。這些方法可以揭示大型數(shù)據(jù)集中意想不到的相關(guān)性和隱藏模式姻乓，即使基礎(chǔ)機(jī)制尚不完全理解（如涉及非配體-受體相互作用（non-LRIs））。例如眯牧，DIALOGUE121抑钟、MISTy57革娄、MOFAcell122、scITD120和Tensor-cell2cell（參考文獻(xiàn)33）使用不同類型的分解方法來提取CCIs的特性，盡管它們需要大量數(shù)據(jù)徽曲。

• 基于規(guī)則的工具通常由于依賴于基因表達(dá)公式而產(chǎn)生一致的結(jié)果渣淤。相比之下户誓，由于統(tǒng)計測試（如置換）的內(nèi)在隨機(jī)性和機(jī)器學(xué)習(xí)算法（如基于梯度的方法）的初始化尚洽，數(shù)據(jù)驅(qū)動的工具可能在相同數(shù)據(jù)集上生成不同的輸出。數(shù)據(jù)驅(qū)動模型的可重復(fù)性和穩(wěn)健性可以通過使用相似性度量來評估和穩(wěn)定同一工具的不同運行結(jié)果來改善绒疗，無論算法的隨機(jī)性如何33,204侵歇。混合模型通過結(jié)合兩者的優(yōu)點來利用基于規(guī)則和數(shù)據(jù)驅(qū)動策略忌堂。例如盒至，CellChat17和CellPhoneDB16首先通過基于表達(dá)的公式推斷CCI以確保一致性，然后使用統(tǒng)計測試提取顯著的LRIs7士修。

• 盡管輸出不同枷遂，這兩種工具類型都促進(jìn)了各種下游分析∑宄埃基于規(guī)則的方法的結(jié)果可以直接比較頂級LRIs酒唉、CCI過表達(dá)分析、細(xì)胞類型聚類和信號功能評估17,44,45,103,105,106,135,137沸移。同時痪伦，來自深度學(xué)習(xí)和分解方法的數(shù)據(jù)驅(qū)動輸出將數(shù)據(jù)壓縮成負(fù)載和/或嵌入，可以進(jìn)一步分析雹锣。例如网沾，代表多細(xì)胞程序（MCPs）或CCI模式的主成分或因子可以幫助聚類和排序樣本、LRIs和細(xì)胞對蕊爵，并通過富集分析關(guān)聯(lián)生物功能33,121,187,205辉哥。工具輸出也可以作為其他機(jī)器學(xué)習(xí)工具的輸入，分類樣本或LRIs33,121,187,206,207。理解每種CCI工具類型對于識別優(yōu)缺點醋旦、輸出行為和潛在下游分析至關(guān)重要恒水。

Finer: gaining insights at full single-cell resolution

更精細(xì)：在完整的單細(xì)胞分辨率下獲得洞察力

para

1. 利用單細(xì)胞RNA測序（scRNA-seq）的計算工具主要在偽批量水平上應(yīng)用，其中將單個細(xì)胞聚集到簇或細(xì)胞類型中饲齐。
2. 這種方法有效地處理了scRNA-seq中每個細(xì)胞測量的轉(zhuǎn)錄物通常的稀疏性钉凌。
3. 然而，最新的方法現(xiàn)在可以在真正的單細(xì)胞分辨率下處理這些數(shù)據(jù)（圖2和補充表1）捂人，推斷單個細(xì)胞對之間的通信御雕。

para

1. 在單細(xì)胞分辨率下推斷CCI并不依賴于基因的簇平均值表達(dá)。
2. 在這方面先慷，SoptSC19考慮了單細(xì)胞CCI饮笛；然而咨察，其主要焦點是評估由LRIs觸發(fā)的細(xì)胞內(nèi)信號傳導(dǎo)活動论熙。
3. 其他工具，如NICHES44和Scriabin45摄狱，利用核心工具7應(yīng)用的方法脓诡，以無標(biāo)記的方式直接從單細(xì)胞對計算LRIs，并進(jìn)一步擴(kuò)展了單細(xì)胞CCI的應(yīng)用媒役、輸出和可視化選項祝谚。
4. SPRUCE46和DeepCOLOR47將單個細(xì)胞的基因表達(dá)投射到潛在空間，并利用這些信息推斷單細(xì)胞對之間的CCI酣衷。
5. 此外交惯，它們還促進(jìn)了從低維數(shù)據(jù)進(jìn)行的下游分析，而不會引入由細(xì)胞類型注釋帶來的不希望的偏差穿仪。
6. 這樣席爽，這些下一代方法利用了在匯總細(xì)胞時之前被忽略的生物洞察。

para

1. 在單細(xì)胞分辨率下分析細(xì)胞間通信提供了深入了解單個細(xì)胞之間以及細(xì)胞群內(nèi)部的交互異質(zhì)性的洞察啊片。
2. 例如只锻，NICHES評估了單個細(xì)胞對使用的配體和受體（圖3a），從而揭示了另一層異質(zhì)性紫谷，并更好地定義了使用不同分子機(jī)制的細(xì)胞亞群齐饮。
3. 同樣，Scriabin幫助揭示了腫瘤微環(huán)境中單個T細(xì)胞與CD1C+樹突狀細(xì)胞之間相互作用的多樣性笤昨。
4. 在這種情況下祖驱，發(fā)現(xiàn)耗竭表型并非僅限于離散的細(xì)胞亞型簇；相反瞒窒，它存在于多個簇中（圖3b）捺僻。
5. 重要的是，非耗竭型和耗竭型T細(xì)胞與CD1C+樹突狀細(xì)胞的相互作用方式不同根竿，耗竭型T細(xì)胞通過CTLA4和TIGIT進(jìn)行交互陵像，同時減少了其促炎趨化因子如CCL4和CCL5的表達(dá)就珠。
6. 因此，這些方法可以捕捉到可能被典型的聚合工具忽略的單細(xì)胞特性和生物現(xiàn)象的異質(zhì)性醒颖。

Fig. 3: New features and analyses performed by next-generation computational tools.

[圖片上傳失敗...(image-1b3821-1728454806541)]

• 在單細(xì)胞分辨率下分析細(xì)胞-細(xì)胞相互作用（CCIs）可以使人們識別定義細(xì)胞對異質(zhì)性的配體-受體相互作用（LRIs）（標(biāo)記）妻怎。
• 單細(xì)胞CCIs還有助于獲取與它們的通訊機(jī)制相關(guān)的更精確注釋。
• 同樣泞歉，分析單細(xì)胞之間的相互作用（圓圈）可以揭示與細(xì)胞注釋不相關(guān)的表型異質(zhì)性（不同顏色）逼侦。
• 考慮到空間轉(zhuǎn)錄組學(xué)的工具探索細(xì)胞的局部鄰域，從而可以在空間上可視化信號活動（c）并基于受體的空間分布和/或配體的擴(kuò)散推斷信號通路的方向性（d）腰耙。
• 整合基于代謝物或小分子的LRIs的策略依賴于催化它們生產(chǎn)或消耗的酶的表達(dá)榛丢。
• 包括基因調(diào)控網(wǎng)絡(luò)和受體下游轉(zhuǎn)錄因子可以幫助推斷兩個細(xì)胞之間的信號反饋回路，從而捕捉到細(xì)胞內(nèi)活動的相互連接的層次挺庞。
• 下一代工具還允許比較多個條件晰赞，要么成對地檢測不同的CCI變化（g），要么同時識別CCI的趨勢或模式（例如选侨，來自因子分解方法的因素）（h）掖鱼。

1. 在推斷單細(xì)胞之間的相互作用時存在挑戰(zhàn)。這些挑戰(zhàn)包括如何處理丟失的數(shù)據(jù)或零計數(shù)以及如何將分析擴(kuò)展到更大的數(shù)據(jù)集援制。
2. 為了處理數(shù)據(jù)稀疏性戏挡，可以在推斷細(xì)胞間通訊之前使用去噪算法。
3. 此外晨仑，Scriabin和NICHES使用保留零的通訊分?jǐn)?shù)來避免改變數(shù)據(jù)稀疏性褐墅。
4. 為了處理單細(xì)胞數(shù)據(jù)集中的大量細(xì)胞，NICHES通過對細(xì)胞進(jìn)行抽樣來降低計算需求洪己；然而妥凳，這個過程會因為遺漏有效數(shù)據(jù)并引入隨機(jī)抽樣的噪聲而降低統(tǒng)計功效。
5. 或者码泛，Scriabin可以根據(jù)感興趣的屬性優(yōu)先考慮細(xì)胞對猾封，或者可以將它們總結(jié)為一個整體潛在相互作用的網(wǎng)絡(luò)，從而減少對計算內(nèi)存的需求噪珊。
6. 同樣晌缘，DeepCOLOR優(yōu)先考慮在空間點中共定位的細(xì)胞。
7. 與其他擴(kuò)展到數(shù)十萬細(xì)胞的工具相比痢站，SPRUCE由于其低維性質(zhì)磷箕，獨特地更能擴(kuò)展到超過1000萬個細(xì)胞對，從而能夠生成大型細(xì)胞間通訊圖譜阵难。

More localized: spatially contextualizing cells

更局部化：在空間上下文中定位細(xì)胞

para

1. 細(xì)胞位置影響細(xì)胞間相互作用以及相關(guān)的基因表達(dá)岳枷。
2. 介導(dǎo)細(xì)胞間通訊的分子在從產(chǎn)生它們的細(xì)胞擴(kuò)散時形成濃度梯度，并在接收細(xì)胞中觸發(fā)不同的信號傳導(dǎo)程序。
3. 因此空繁，為了理解組織如何運作殿衰，考慮細(xì)胞的空間背景是很重要的。
4. 例如盛泡，當(dāng)把空間信息整合到單細(xì)胞轉(zhuǎn)錄組學(xué)中時闷祥，可以在肝細(xì)胞中觀察到勞動力的空間劃分。
5. 因此傲诵，新的細(xì)胞間通訊工具凯砍，檢查每個細(xì)胞的空間背景，將更清晰地解析復(fù)雜組織中具有生物學(xué)意義的通訊拴竹。

para

1. 空間轉(zhuǎn)錄組學(xué)領(lǐng)域的蓬勃發(fā)展鼓勵了計算工具的進(jìn)化悟衩，以在推斷細(xì)胞間通訊（CCIs）時包括細(xì)胞位置49,50,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82（圖2和補充表1）。
2. 這些工具中的一支更一般性地促進(jìn)了空間數(shù)據(jù)分析55,56,57,58栓拜。
3. 例如座泳，Giotto55和Squidpy56幫助用戶可視化空間數(shù)據(jù)，并跨細(xì)胞或點進(jìn)行諸如聚類和鄰域檢測的分析菱属，但這些也提供了用于CCI推斷的信息（圖3c）钳榨。
4. 其他如MISTy57之類的框架通過多個‘視角’識別空間數(shù)據(jù)的更特定屬性；即纽门，以領(lǐng)域特定方式描述標(biāo)記物表達(dá)關(guān)系及其變異源的模型。
5. 每個‘視角’包含給定距離閾值的不同范圍的細(xì)胞間距離营罢，這有助于識別CCI的特定生態(tài)位機(jī)制赏陵。
6. 這種方法已經(jīng)幫助識別出區(qū)分乳腺癌活檢樣本的腫瘤等級和臨床亞型的特征，同時還揭示了關(guān)鍵的信號通路57饲漾。

para

1. 更專業(yè)的空間CCI推斷從較早的工具開始蝙搔，如SVCA59和SpaOTsc76，分別考慮單個基因和單細(xì)胞之間的相互作用考传。
2. 現(xiàn)有的工具直接整合了細(xì)胞間距離吃型，要么限制分析到鄰近的細(xì)胞和點59,60,61,62,63,64,65,66,67,68,69,82，要么加權(quán)表示相互作用潛力的通訊分?jǐn)?shù)70,71,72,73,74,83僚楞。
3. 例如勤晚，SpaTalk63通過使用細(xì)胞之間的歐幾里得距離來構(gòu)建基于它們的K近鄰的細(xì)胞圖網(wǎng)絡(luò)，從而在空間上限制分析泉褐。
4. 然后赐写，它計算連接細(xì)胞（即，鄰近細(xì)胞）的CCI膜赃。
5. 另一種方法挺邀，COMMOT67，限制距離以推斷鄰近細(xì)胞之間的CCI。
6. COMMOT引入了一種集體最優(yōu)傳輸算法84端铛，該算法使用指定的距離限制來定義鄰域并推斷鄰近的CCI泣矛。
7. 該算法尋找在位置之間傳輸一組資源（如配體）的最有效方式，同時在考慮源和目的地（例如禾蚕，發(fā)送和接收細(xì)胞）之間的距離時最小化總體成本乳蓄。
8. 在數(shù)學(xué)上，它在給定細(xì)胞間距離（成本）的情況下優(yōu)化基于LRI的CCI的潛力（傳輸計劃）夕膀，同時還對未傳輸或‘未使用’的配體和受體進(jìn)行懲罰虚倒。
9. 此外，該算法可以同時處理多種競爭的配體和受體種類产舞，并且可以推斷空間信號的方向性（圖3d）魂奥。
10. 其他工具，如stMLnet71易猫，不是限制分析耻煤，而是加權(quán)相互作用潛力。
11. 例如准颓，stMLnet通過假設(shè)細(xì)胞間距離與配體濃度之間的反向關(guān)系哈蝇，利用配體擴(kuò)散原理，通過將通訊分?jǐn)?shù)與細(xì)胞間歐幾里得距離作為分母來縮放攘已。
12. 這些不同的方法突顯了在CCI分析中可以明確考慮距離的多種不同方式炮赦。

para

1. 深度學(xué)習(xí)也幫助探索了細(xì)胞間通訊接口（CCIs）的空間屬性（方框2），使用了基因表達(dá)矩陣和空間細(xì)胞圖样勃，這些圖連接著相鄰細(xì)胞47,73,79,80,—81,85吠勘。
2. 例如，DeepLinc80實現(xiàn)了一個自動編碼器峡眶，在考慮了表達(dá)和細(xì)胞圖輸入之后剧防，推斷出一個CCI網(wǎng)絡(luò)。
3. 這個模型與其他模型的不同之處在于辫樱，它揭示了近距離和遠(yuǎn)距離的相互作用峭拘；后者往往會被專注于細(xì)胞鄰近區(qū)域的方法所忽略。
4. 另一個工具狮暑，spaCI81鸡挠，使用編碼器生成潛在特征。
5. 通過考慮基因-基因共表達(dá)心例，這個工具可以處理空間轉(zhuǎn)錄組學(xué)中的缺失宵凌，并推斷出任何基因?qū)Φ腖RIs和相互作用，例如上游轉(zhuǎn)錄因子及其目標(biāo)配體或受體止后。
6. 盡管許多基于深度學(xué)習(xí)的工具可以使用類似的輸入瞎惫，但它們在構(gòu)建神經(jīng)網(wǎng)絡(luò)的方式上有所不同（方框2）溜腐。
7. DeepLinc結(jié)合了一個變分圖自動編碼器和一個對抗網(wǎng)絡(luò)進(jìn)行正則化80，使得可以推斷未觀察到的CCIs（如遠(yuǎn)距離CCIs）瓜喇。
8. 同時挺益，spaCI分別使用兩個單獨的編碼器處理基因表達(dá)信息和空間數(shù)據(jù)。
9. 然后乘寒，第三個編碼器使用其他兩個編碼器的輸出望众，解析基因-三元組關(guān)系，這可以檢測介導(dǎo)LRIs的上游轉(zhuǎn)錄因子81伞辛。
10. 因此烂翰，深度學(xué)習(xí)方法可以揭示生物學(xué)上有意義的信號活動。

para

1. 其他研究已經(jīng)證明蚤氏，可以從配體和受體的表達(dá)中解讀細(xì)胞的空間組織甘耿。
2. 例如，Neighbour-seq78通過推斷形成多聚體的細(xì)胞竿滨，從單細(xì)胞RNA測序數(shù)據(jù)集中找到豐富的細(xì)胞-細(xì)胞接觸佳恬，從而創(chuàng)建物理細(xì)胞-細(xì)胞相互作用的網(wǎng)絡(luò)。
3. 這種策略在脾臟于游、小腸和肺部毁葱，以及在胰腺和皮膚癌中識別出細(xì)胞-細(xì)胞相互作用的結(jié)構(gòu)。
4. 同樣贰剥，CSOmap50使用每一對配體-受體來計算每對細(xì)胞的親和分?jǐn)?shù)倾剿。
5. 然后，將細(xì)胞對投射到一個偽物理空間中鸠澈，揭示它們在組織內(nèi)的相對位置柱告。
6. 因此，這些工具利用細(xì)胞-細(xì)胞相互作用來空間地解釋細(xì)胞功能笑陈，而無需使用空間位置作為輸入。
7. 細(xì)胞-細(xì)胞相互作用也已在秀麗隱桿線蟲的全身體水平上重建葵袭。
8. 通過使用cell2cell（參考文獻(xiàn)49）涵妥，發(fā)現(xiàn)細(xì)胞-細(xì)胞相互作用與細(xì)胞間距離之間存在負(fù)相關(guān)性。
9. 這種方法使用遺傳算法優(yōu)先考慮在身體不同區(qū)域?qū)?xì)胞功能具有啟示意義的細(xì)胞間相互關(guān)系坡锡。
10. 因此蓬网，這些方法也可以提供關(guān)于細(xì)胞間相互關(guān)系如何編碼空間信息以驅(qū)動細(xì)胞的三維組織結(jié)構(gòu)的假設(shè)。
11. 利用這些結(jié)果鹉勒，一種新的基準(zhǔn)方法評估高分的細(xì)胞間相互關(guān)系是否在空間上接近的細(xì)胞對中富集帆锋。
12. 這種策略可能有助于調(diào)整工具以生成具有生物學(xué)意義的預(yù)測，但也可能模糊涉及長距離相互作用和通過循環(huán)系統(tǒng)傳播的信號的生物學(xué)過程禽额。

框2 深度學(xué)習(xí)與細(xì)胞-細(xì)胞相互作用推斷

• 深度學(xué)習(xí)方法在計算生物學(xué)中迅速擴(kuò)展208锯厢。這些模型模仿大腦的神經(jīng)結(jié)構(gòu)皮官，使用互連節(jié)點（神經(jīng)元）從數(shù)據(jù)中學(xué)習(xí)。著名的神經(jīng)網(wǎng)絡(luò)架構(gòu)（見圖）包括前饋神經(jīng)網(wǎng)絡(luò)（FNNs）（a）实辑、卷積神經(jīng)網(wǎng)絡(luò)（b）捺氢、循環(huán)神經(jīng)網(wǎng)絡(luò)（c）、自編碼器（d）剪撬、圖神經(jīng)網(wǎng)絡(luò)（e）摄乒、生成對抗網(wǎng)絡(luò)（f）和變換器（g）。每種架構(gòu)都可以為不同目的進(jìn)行定制残黑。自編碼器通過使用基因表達(dá)預(yù)測配體-受體相互作用（LRIs）46 并整合空間信息47,79,80,81,85馍佑，已在細(xì)胞-細(xì)胞相互作用（CCI）推斷中有所幫助。同樣梨水，圖神經(jīng)網(wǎng)絡(luò)可以直接從單細(xì)胞138 和空間轉(zhuǎn)錄組學(xué)62,79 推斷CCI拭荤。其他深度學(xué)習(xí)在CCI中的應(yīng)用包括使用FNNs從基因-基因相互作用114 推斷CCI、預(yù)測受體轉(zhuǎn)換率150 和從數(shù)據(jù)中推斷高質(zhì)量的LRIs冰木，而不是依賴數(shù)據(jù)庫147,148穷劈。大型語言模型209（LLMs）— 設(shè)計用于使用生成預(yù)訓(xùn)練變換器處理和生成文本 — 在計算生物學(xué)中被證明是非常有價值的210。實際上踊沸，專門的基于變換器的模型在單細(xì)胞組學(xué)的特定任務(wù)中超過了先前模型的性能歇终。例如，DeepMAPS211 實現(xiàn)了一個圖變換器逼龟，可以同時從多種組學(xué)推斷生物網(wǎng)絡(luò)评凝。LLMs如scGPT212和scFoundation213，經(jīng)過數(shù)千萬單細(xì)胞轉(zhuǎn)錄組的訓(xùn)練腺律，可以提取細(xì)胞模式并增強下游分析奕短，例如細(xì)胞類型注釋、基因表達(dá)增強和藥物/干擾反應(yīng)預(yù)測匀钧。這些模型及其下游分析能力在單細(xì)胞和空間層次上的CCI分析中顯示出巨大的潛力翎碑。此外，還有機(jī)會專門設(shè)計LLMs用于研究不同細(xì)胞環(huán)境中的CCI之斯，通過從一開始就整合LRIs日杈、基因表達(dá)和空間數(shù)據(jù)。這兩種策略為更先進(jìn)的以CCI為重點的LLMs提供了強大的機(jī)會佑刷，能夠處理更大量的數(shù)據(jù)并實現(xiàn)更好的性能莉擒。

Deeper: peering into intracellular activities

更深入：窺視細(xì)胞內(nèi)活動

para

1. CCIs涉及多種類型的分子，包括離子瘫絮、小分子涨冀、肽和蛋白質(zhì)。這些分子在細(xì)胞外（例如對于LRIs）和細(xì)胞內(nèi)（例如對于信號傳導(dǎo)麦萤、基因表達(dá)的調(diào)控和配體生物合成）都很重要鹿鳖。
2. 然而扁眯，基于轉(zhuǎn)錄組學(xué)的工具通常僅限于推斷蛋白質(zhì)配體，其豐度與基因表達(dá)的相關(guān)性大于其他類型的配體栓辜。盡管如此恋拍，系統(tǒng)生物學(xué)通路分析方法可以加深對細(xì)胞內(nèi)過程的了解，以推斷其他類別配體的豐度和活性藕甩，從而擴(kuò)大CCI工具的功能（圖2和補充表1）施敢。

para

1. 為了估計涉及非蛋白配體（如小分子）的CCI（圖2），下一代工具可以分析產(chǎn)生或消耗代謝物配體的酶的表達(dá)狭莱，從而捕獲它們的通訊潛力（圖3e）僵娃。
2. MEBOCOST91整合了一個經(jīng)過整理的代謝物-受體和代謝物-運輸相互作用數(shù)據(jù)庫，以推斷基于代謝物的CCI腋妙。
3. 這個工具被用來闡明epsins在巨噬細(xì)胞介導(dǎo)的代謝調(diào)控中的作用默怨，揭示epsins通過CD36促進(jìn)動脈粥樣硬化巨噬細(xì)胞的脂質(zhì)攝取。
4. 特別是骤素，在epsin敲除小鼠中觀察到通過膽固醇-CD36的巨噬細(xì)胞通訊減少匙睹。
5. NeuronChat93是一個專門研究神經(jīng)元之間通訊介導(dǎo)分子的工具，它還整合了囊泡運輸?shù)鞍缀彤a(chǎn)生如神經(jīng)遞質(zhì)這樣的小化合物酶的額外信息济竹。
6. 這個工具被用來識別小鼠大腦中前外側(cè)運動皮層和初級視覺皮層的特定上下文CCI痕檬；在前外側(cè)運動皮層，而不是在初級視覺皮層送浊，將谷氨酸能細(xì)胞亞型L4/5 IT CTX推斷為主要通訊節(jié)點梦谜，利用谷氨酸-Grin3a相互作用。
7. 盡管包括代謝物在內(nèi)的策略產(chǎn)生了額外的生物學(xué)見解袭景，但明顯的重大局限性也是存在的唁桩。
8. 自然地，代謝物豐富度依賴于酶和運輸?shù)鞍椎幕虮磉_(dá)水平較少耸棒，而更多地依賴于代謝通量和其它調(diào)控模式荒澡，遵循比蛋白質(zhì)更復(fù)雜的動力學(xué)。
9. 因此与殃，需要進(jìn)一步的工作仰猖，通過整合參與代謝物生產(chǎn)和分泌的其他過程來改進(jìn)預(yù)測，以更好地表示它們的豐富度和活性奈籽。

para

1. 包括轉(zhuǎn)錄因子及其下游目標(biāo)在內(nèi)的細(xì)胞內(nèi)信號傳導(dǎo)途徑也可以考慮，如SoptSC19和NicheNet20所述鸵赫。
2. 例如衣屏，一些工具衡量CCI對接受細(xì)胞中的信號傳導(dǎo)和轉(zhuǎn)錄調(diào)控的影響。
3. LRLoop99利用網(wǎng)絡(luò)傳播算法107與細(xì)胞內(nèi)基因調(diào)控網(wǎng)絡(luò)來優(yōu)先考慮在兩個細(xì)胞間形成細(xì)胞間反饋環(huán)的LRI辩棒。
4. 也就是說狼忱，它使用基因表達(dá)來尋找通過基因調(diào)控網(wǎng)絡(luò)在細(xì)胞內(nèi)連接的兩個配體-受體對集合膨疏，形成一個閉合的環(huán)。
5. 這種多功能方法可以與其他現(xiàn)有工具進(jìn)一步結(jié)合钻弄，以找到生物學(xué)上有意義的細(xì)胞間信號傳導(dǎo)佃却，從而幫助提高工具的真陽性率。
6. 其他工具直接使用轉(zhuǎn)錄因子和/或目標(biāo)基因的基因表達(dá)來優(yōu)先考慮特定的LRI窘俺。
7. 例如饲帅，Domino100關(guān)注受體的下游基因，以了解對植入生物材料的免疫反應(yīng)瘤泪。
8. 這個工具被用來識別通過Il4ra及其下游基因Esrra激活的抗炎巨噬細(xì)胞灶泵，以及通過Osmr及其下游轉(zhuǎn)錄因子Sox17內(nèi)皮細(xì)胞激活的損傷修復(fù)信號。
9. 第三組工具使用下游基因來衡量分配給每個配體-受體對的通信分?jǐn)?shù)对途。
10. CellComm105將這些權(quán)重納入配體-受體到調(diào)節(jié)劑相互作用的網(wǎng)絡(luò)中赦邻，并使用它們來最大化細(xì)胞間通信的信號流量，成本最低实檀。
11. 另一個工具惶洲，exFINDER106進(jìn)一步利用這些權(quán)重來研究數(shù)據(jù)中未直接呈現(xiàn)的細(xì)胞接收到的信號。
12. 因此膳犹，融入細(xì)胞內(nèi)信號的工具可以更全面地代表與CCI相關(guān)的機(jī)制恬吕。

Broader: accounting for multiple conditions

更廣泛的：考慮多種條件

para

1. CCIs 在其發(fā)生的生物背景下重度依賴32,33。
2. 生物背景镣奋，比如不同的遺傳币呵、細(xì)胞、細(xì)胞外或時間狀態(tài)108侨颈，影響單個細(xì)胞和整個組織的 行為余赢。
3. 這些背景在不同表型條件下變化，使得在單細(xì)胞圖譜中研究CCIs變得困難哈垢，尤其是 它們有大量的樣本妻柒。
4. 隨著樣本之間實驗變量的增加，分析的復(fù)雜性呈指數(shù)增長109耘分。
5. 這在CCI研究中尤其具有挑戰(zhàn)性举塔，因為研究者還希望考慮到所有細(xì)胞和LRIs組合的表型 關(guān)聯(lián)。

para

1. 多種方法可以促進(jìn)跨不同樣本或條件下的CCI比較求泰。
2. 然而央渣，大多數(shù)工具僅限于進(jìn)行簡單的成對比較，通過在編碼配體和受體的基因或CCI推理的最終得分上進(jìn)行差異分析渴频。
3. 例如芽丹，Connectome、CellChat卜朗、scDiffCom和scTenifoldXct依靠樣本之間的成對比較來尋找差異CCI拔第。
4. scTenifoldXct提供了進(jìn)一步的不限于LRIs的CCI推理咕村。
5. 通過利用兩個樣本的比較，這些工具可以揭示在一種條件下發(fā)生改變的具體LRIs和通訊途徑蚊俺。
6. 例如懈涛，比較年輕和老年小鼠的傷口愈合揭示了衰老通過生長因子、趨化因子和細(xì)胞因子途徑影響CCI泳猬。
7. 特別是批钠，老年皮膚傷口表現(xiàn)出通過BMP-2/4/7和TGFβ1/2/3通信的成纖維細(xì)胞信號傳導(dǎo)失調(diào)。
8. 因此暂殖，這種失衡影響了成纖維細(xì)胞的增殖和傷口愈合价匠。

para

1. 降維方法現(xiàn)在能夠同時直接比較兩個以上的樣本（圖3h）。
2. 諸如sciTD120呛每、DIALOGUE121和MOFAcell122等工具使用基因表達(dá)值踩窖，通過分解方法推斷多細(xì)胞程序（MCPs）。
3. 在這些情況下晨横，得到的因子對應(yīng)于每個MCP洋腮，并被分配給相關(guān)的樣本。
4. 因此手形，可以通過使用MCPs來提取CCI的變化啥供，其中配體和受體是決定因素。
5. 另一種方法库糠，Tensor-cell2cell（參考文獻(xiàn)33）伙狐，直接對CCI分?jǐn)?shù)進(jìn)行張量分解132，該分?jǐn)?shù)是在每個LRI組合瞬欧、發(fā)送細(xì)胞和接收細(xì)胞的樣本之間計算的贷屎。
6. 與MCPs不同，這個工具發(fā)現(xiàn)了CCI的上下文驅(qū)動程序艘虎，例如唉侄，可以與COVID-19嚴(yán)重程度33或神經(jīng)發(fā)育階段133相關(guān)。
7. TraSig127和TimeTalk128關(guān)注多個（偽）時間點之間的差異野建，同樣識別CCI動態(tài)的變化属划，而不是基因表達(dá)動態(tài)的變化。
8. 與降維方法相比候生，MultiNicheNet129執(zhí)行差異表達(dá)分析134同眯，可以處理多個樣本，使其能夠解釋批量效應(yīng)和協(xié)變量唯鸭。
9. 隨著大多數(shù)單細(xì)胞和空間組學(xué)研究超越兩個樣本嗽测，這類方法將變得越來越重要狂鞋。

Other features emerging in the evolution of tools

工具進(jìn)化過程中出現(xiàn)的其他特征

para

1. 計算工具已經(jīng)以超出前述類別的方式發(fā)展驻呐，使得改進(jìn)范圍從數(shù)據(jù)處理和可視化到構(gòu)建高精度LRI數(shù)據(jù)庫等各個方面。
2. 用戶友好的交互界面是工具如InterCellar蛉艾、Cellinker和TALKIEN等實現(xiàn)的一個關(guān)鍵方面停做。
3. 盡管大多數(shù)工具需要編程技能晤愧，但這些工具通過實施簡單的圖形用戶界面來處理輸入和部署可視化，從而簡化了CCI分析中的每個步驟蛉腌。

para

1. 一些工具正在涌現(xiàn)官份，它們用于對各種工具進(jìn)行基準(zhǔn)測試或利用。對于下一代工具而言烙丛，基準(zhǔn)測試尤其重要舅巷；LIANA140 建立了一個平臺，用于實施來自多個工具的方法河咽，使得能夠進(jìn)行比較分析钠右，結(jié)果表明各種方法之間重疊度低，這主要是由于優(yōu)先考慮相關(guān)CCIs的不同方法造成的忘蟹。
2. 為了幫助管理來自不同工具的輸出異質(zhì)性飒房，LIANA 還包括不同選項之間的共識預(yù)測，提供更可靠的結(jié)果媚值。
3. ESICCC151 是一個較為系統(tǒng)的工具基準(zhǔn)測試框架狠毯，它提供了多個有價值的性能指標(biāo)。
4. 此外褥芒，一些工具通過例如蒙特卡洛142和基于代理的模型150來模擬所有可能的CCIs宇宙嚼松，旨在找到顯著結(jié)果，這些工具使得能夠在計算機(jī)中實驗探索‘如果’場景锰扶，而無需進(jìn)一步的實驗献酗。

para

1. 其他方法使用數(shù)據(jù)驅(qū)動模型（框1）來評估多個LRIs的同時行為并推斷CCI。
2. 例如少辣，Calligraphy146使用通信基因共表達(dá)網(wǎng)絡(luò)來識別信號基因模塊凌摄。
3. 這種方法假定，與一次關(guān)注一個配體-受體對的方法相比漓帅，表現(xiàn)相似的細(xì)胞間基因群提供更強且噪聲更小的信號锨亏。
4. 因此，Calligraphy成功識別了涉及IL-33的模塊在上皮細(xì)胞和免疫細(xì)胞之間的共表達(dá)忙干，這直接指向胰腺腫瘤發(fā)生146器予。
5. 一些方法還專注于構(gòu)建高置信度LRIs列表147,148，這是CCI分析工作流程中的關(guān)鍵步驟捐迫，然后推斷CCI乾翔。
6. 這些只是計算工具中出現(xiàn)的一些其他功能的幾個例子，每種工具都旨在改善CCI預(yù)測的更具體方面。

Tracking cell–cell interactions

1. 在單細(xì)胞水平上驗證細(xì)胞-細(xì)胞相互作用（CCIs）一直最易于通過專注于單一相互作用的實驗研究來實現(xiàn)反浓，例如熒光原位雜交萌丈、熒光共振能量轉(zhuǎn)移和免疫染色。
2. 然而雷则，利用這些方法來驗證來自大規(guī)模單細(xì)胞RNA測序（scRNA-seq）研究的CCI預(yù)測是困難的辆雾，因為它們僅限于在給定的實驗中檢查少數(shù)細(xì)胞和低分辨率相互作用（LRIs）。
3. 下一代實驗方法正在出現(xiàn)月劈，增加了CCI測量的通量度迂。
4. 這些方法可以同時測量許多LRIs和細(xì)胞-細(xì)胞對（見表1），而且許多方法還將實驗測定的相互作用與下游測序相結(jié)合猜揪。
5. 例如惭墓，這些方法已經(jīng)幫助表征了大量的CCI網(wǎng)絡(luò)，揭示了分子機(jī)制而姐，并在體內(nèi)追蹤了CCIs腊凶。
6. 盡管這些技術(shù)已經(jīng)詳細(xì)審查過，但在這里毅人，我們強調(diào)了與獲得關(guān)于CCIs的生物洞察相關(guān)的例子吭狡，這些例子可能有助于改進(jìn)上述計算工具并驗證其預(yù)測，提高CCI推理的準(zhǔn)確性丈莺。

Table 1 Illustrative next-generation methods for tracking cell–cell interactions (CCIs) 表1：追蹤細(xì)胞-細(xì)胞相互作用（CCIs）的說明性下一代方法

[圖片上傳失敗...(image-a3aa44-1728454806538)]

Profiling cell–cell interactions through sequencing technologies

通過測序技術(shù)分析細(xì)胞-細(xì)胞相互作用

1. 利用測序技術(shù)划煮，已有幾種實驗工具促進(jìn)了細(xì)胞-細(xì)胞接觸的研究。
2. 核酸條形碼可以被引入發(fā)送細(xì)胞缔俄，然后通過細(xì)胞-細(xì)胞相互作用（CCIs）轉(zhuǎn)移到接收細(xì)胞（見圖4a）弛秋。
3. 另外，基于液滴的方法可以隔離多個細(xì)胞俐载，以捕獲物理上相互作用的細(xì)胞（見圖4b）蟹略。
4. 這兩種方法在測序后都能以單細(xì)胞分辨率報告獨特的發(fā)送者-接收者接觸，這可以用來測試計算性的CCI預(yù)測遏佣。

Fig. 4: Major approaches in next-generation experimental methods for studying cell–cell interactions.

[圖片上傳失敗...(image-3b122-1728454806538)]

• 測序技術(shù)不僅能夠測量單細(xì)胞轉(zhuǎn)錄組挖炬，同時還能追蹤在物理相互作用的細(xì)胞之間傳遞的條形碼（例如通過轉(zhuǎn)染或工程病毒傳遞的細(xì)胞）（a），或者通過生成多聯(lián)體直接分離相互作用的細(xì)胞（例如使用熒光激活細(xì)胞分選或微流控技術(shù)）（b）状婶。
• 因此意敛，可以在推斷這些細(xì)胞所使用的配體-受體相互作用（LRIs）的同時構(gòu)建細(xì)胞-細(xì)胞接觸網(wǎng)絡(luò)。
• 細(xì)胞-細(xì)胞相互作用（CCIs）可以通過標(biāo)記方法評估鄰近細(xì)胞之間的相互作用膛虫，這些方法要么依賴于酶催化探針與受體結(jié)合來以接觸依賴的方式標(biāo)記LRIs（c）草姻，要么依賴于催化劑誘導(dǎo)可擴(kuò)散標(biāo)簽的高度反應(yīng)狀態(tài)（其半徑取決于其半衰期）以接觸獨立的方式標(biāo)記LRIs（d）。
• 合成受體可以被設(shè)計成在每次與發(fā)送細(xì)胞產(chǎn)生的特定配體相互作用時稍刀，在接收細(xì)胞內(nèi)誘導(dǎo)感興趣的轉(zhuǎn)錄反應(yīng)撩独。
• 例如，發(fā)送細(xì)胞中的膜結(jié)合型綠色熒光蛋白（GFP）可以與由抗GFP（a-GFP）納米體和Notch受體組成的合成受體一起使用。
• 這種合成受體可以幫助追蹤發(fā)送者-接收者體內(nèi)的相互作用综膀。

para

1. 條形碼技術(shù)在神經(jīng)科學(xué)中具有無價的價值澳迫。例如，MAPseq161利用病毒粒子引入RNA條形碼并追蹤從源區(qū)域發(fā)出的單個神經(jīng)元的投射僧须。
2. BRICseq162和RABID-seq154都是基于這一概念纲刀，分別用于研究多個組織區(qū)域和單細(xì)胞分辨率下的細(xì)胞間通訊。
3. 通過考慮相互作用細(xì)胞的轉(zhuǎn)錄組担平，BRICseq有助于識別與大腦區(qū)域間的大腦連通性相關(guān)的基因162，而RABID-seq有助于發(fā)現(xiàn)Sema4D/PlexinB1锭部、Sema4D/PlexinB2和Ephrin-B3/EphB3作為LRIs暂论，規(guī)定在自身免疫中微膠質(zhì)細(xì)胞與星形膠質(zhì)細(xì)胞之間的病理相互作用。

para

1. 基于液滴的方法拌禾，如ProximID152和PIC-seq153取胎，能夠從轉(zhuǎn)錄組分析中實現(xiàn)高通量的CCI確定。這些方法并不使用條形碼湃窍，而是利用物理相互作用的細(xì)胞在細(xì)胞分選過程中形成多細(xì)胞組合（如雙細(xì)胞或三細(xì)胞組合）的事實闻蛀。這些方法特別適合于探測測量時刻物理相互作用細(xì)胞之間的交互。此外您市，它們需要概率算法來解析一起測序的多種細(xì)胞類型的基因表達(dá)譜觉痛，隨著每個多細(xì)胞組合中細(xì)胞類型的數(shù)量的增加，這可能更具挑戰(zhàn)性茵休。然而薪棒，它們的價值已經(jīng)在各種應(yīng)用中得到證明。例如榕莺，PIC-seq被用于識別特定CCI存在時富集的細(xì)胞交互和差異調(diào)節(jié)的基因俐芯，例如在肺發(fā)育過程中，早熟肺泡巨噬細(xì)胞與肺泡I型上皮細(xì)胞之間上調(diào)糖皮質(zhì)激素應(yīng)答基因钉鸯。SPEAC-seq163,165通過將細(xì)胞對封裝在油包水滴中吧史，從而避開了細(xì)胞需要物理相互作用的要求。除了捕獲額外的介質(zhì)唠雕，如可溶性分泌配體外贸营，這種方法還可以篩選發(fā)送細(xì)胞中的基因擾動，并量化接收細(xì)胞的響應(yīng)及塘。但是莽使，它需要在封裝之前對報告基因進(jìn)行工程改造，這降低了通量笙僚，封裝后的共培養(yǎng)可能無法反映體內(nèi)條件芳肌。

Proximity labelling of cell–cell interactions

細(xì)胞-細(xì)胞相互作用的近端標(biāo)記

para

1. CCIs可以使用依賴于酶或高活性化合物的接近度的化學(xué)修飾進(jìn)行標(biāo)記。
2. 這樣的方法可以幫助研究人員研究相互作用細(xì)胞之間的細(xì)胞-細(xì)胞界面處的微環(huán)境和分子存在。
3. 這些技術(shù)可以分為接觸依賴性或接觸非依賴性標(biāo)記方法亿笤。
4. 在這里翎迁，我們討論了這兩種方法，重點介紹了有助于檢測細(xì)胞間關(guān)系并揭示CCIs重要方面的一些方法净薛。

para

1. 在接觸依賴性方法中汪榔，一種酶被定位到一個相互作用的細(xì)胞類型的細(xì)胞表面，并且這種酶催化探針與周圍細(xì)胞表面上的受體的結(jié)合（圖4c）肃拜。
2. 因此痴腌，這些方法顯示出較小的半徑，其中相互作用的細(xì)胞由于酶-受體相互作用的物理限制而被標(biāo)記燃领。
3. 例如士聪，LIPSTIC155執(zhí)行Sortase A（SrtA）介導(dǎo)的連接，以實現(xiàn)配體-受體對的體內(nèi)標(biāo)記猛蔽。
4. 在這里剥悟，一個含有LPETG基序的肽底物通過SrtA轉(zhuǎn)移到氨基末端的五甘氨酸（G5）受體上。
5. 因此曼库，通過分別將SrtA和G5融合到LRI的一個成員上区岗，這種方法被應(yīng)用于研究小鼠免疫細(xì)胞突觸。
6. 具體來說毁枯，通過聚焦CD40-CD40L的相互作用慈缔，LIPSTIC有助于顯示T細(xì)胞最初以抗原特異性的方式與樹突狀細(xì)胞相互作用，但是一旦激活后众，它們就會以非特異性的方式相互作用胀糜。

para

1. 許多基于接觸依賴的方法需要工程化特定的酶-受體對，因此其通量和可同時測試的細(xì)胞類型或細(xì)胞間相互作用的總量本質(zhì)上受到限制蒂誉。
2. 然而教藻，像EXCELL156這樣的新策略通過工程化SrtA來隨意標(biāo)記相互作用細(xì)胞的N端單甘氨酸，繞過了這一限制右锨。
3. FucoID157是一種依賴於誘餌細(xì)胞膜上表達(dá)的巖藻糖基轉(zhuǎn)移酶和添加生物素化底物來標(biāo)記獵物細(xì)胞的方法括堤，通過使用酶的化學(xué)酶法功能化而不是遺傳工程，增加了通量绍移。
4. 此外悄窃，這種方法可以區(qū)分強烈的細(xì)胞間接觸與較弱的接觸。
5. FucoID的一個擴(kuò)展版本蹂窖，使用基于抗體的探針轧抗，也使得在不從樣品中純化感興趣細(xì)胞的情況下檢測細(xì)胞間接觸成為可能。
6. LIPSTIC的一個較新版本瞬测，即通用LIPSTIC(uLIPSTIC)169横媚，通過放棄將SrtA和G5直接融合到相互作用的配體和受體上纠炮，克服了研究單個細(xì)胞間相互作用的局限性。
7. 相反灯蝴，它將SrtA和G5融合到細(xì)胞膜上普遍表達(dá)的蛋白上恢口。
8. 當(dāng)功能相互作用期間相對膜距離接近（小于14納米）時，添加生物素-LPETG底物促進(jìn)SrtA介導(dǎo)的生物素標(biāo)記G5穷躁，從而充當(dāng)通用報告分子耕肩。
9. 通過伴隨uLIPSTIC對關(guān)鍵標(biāo)記物和/或細(xì)胞間相互作用的伙伴進(jìn)行功能擾動，這種方法可以報告任何感興趣的細(xì)胞間相互作用對整體細(xì)胞間接觸的重要性问潭。

para

1. 接觸獨立的方法依賴于高反應(yīng)性化合物來標(biāo)記CCI猿诸。
2. 在這些情況下，催化劑將小分子轉(zhuǎn)化為高反應(yīng)性狀態(tài)后狡忙，它們會擴(kuò)散并與鄰近分子結(jié)合（圖4d）两芳。
3. 因此，它們的標(biāo)記半徑取決于其反應(yīng)態(tài)的半衰期去枷，這意味著可以使用不同的化合物來控制研究CCI的分辨率。
4. 多種方法使用工程化的抗壞血酸過氧化物酶（APEX）使化合物具有反應(yīng)性是复。
5. TransitID利用兩種正交的 promiscuous 臨近標(biāo)記酶删顶，TurboID和APEX2，追蹤蛋白質(zhì)從源位置到目的地的運輸淑廊，包括亞細(xì)胞運輸和細(xì)胞間相互作用逗余。
6. 特別是，TransitID在多個時間點和納米級空間分辨率捕獲全蛋白質(zhì)組的相互作用季惩。
7. 此外录粱，它還能識別超越直接細(xì)胞接觸的CCI，區(qū)分可溶性蛋白質(zhì)配體與細(xì)胞膜受體的結(jié)合以及外泌體和納米管向接收細(xì)胞細(xì)胞內(nèi)隔室的運輸画拾。
8. 然而啥繁，如果沒有多個正交的臨近標(biāo)記酶，它一次不能探測超過兩種細(xì)胞類型青抛。
9. 此外旗闽，基于APEX方法的一個主要局限是它們依賴于有毒的過氧化氫，因此限制了進(jìn)行CCI研究的實驗條件蜜另。

para

1. 其他非接觸依賴性方法已經(jīng)克服了使用有毒化合物的難題适室。BioID174、TurboID167和split-TurboID172,175使用了與感興趣蛋白融合的 promiscuous 生物素連接酶举瑰。
2. 這些工程蛋白可以腺苷酸生物素捣辆，隨后生物素會擴(kuò)散并標(biāo)記其他鄰近蛋白，從而使得研究LRIs成為可能此迅。
3. 光催化標(biāo)記方法也避免了有毒化合物的使用汽畴。
4. 例如PhoTag158和μMap166使用光來控制化合物的高度反應(yīng)狀態(tài)旧巾，從而控制其標(biāo)記范圍。
5. 與FucoID相似整袁，它們也有助于繞過基因工程的需要菠齿。
6. 在這方面，PhoTag已經(jīng)被應(yīng)用于研究外周單核血液細(xì)胞和Raji PD-L1 B細(xì)胞之間的CCIs坐昙。
7. 研究發(fā)現(xiàn)T細(xì)胞亞群與Raji細(xì)胞通過PD-1/PD-L1的短暫相互作用存在差異绳匀，這有助于區(qū)分T細(xì)胞亞群之間的不同響應(yīng)模式。
8. 然而炸客，PhoTag僅針對單一LRI疾棵。
9. 在μMap的情況下，這項技術(shù)捕獲了配體與其所有局部受體的極其高分辨率（1 nm）的相互作用痹仙。
10. 這種分辨率非常有用是尔，能夠區(qū)分同一細(xì)胞上空間不同的質(zhì)膜受體，盡管它不能確定給定配體的發(fā)送細(xì)胞开仰。

Synthetic circuits for tracking cell–cell interactions and intracellular activities

用于追蹤細(xì)胞-細(xì)胞相互作用和細(xì)胞內(nèi)活動的合成電路

para

1. 合成受體和通路傳感器可以揭示細(xì)胞-細(xì)胞相互作用（CCIs）拟枚，并量化特定淋巴細(xì)胞受體（LRI）對接受細(xì)胞的影響。
2. 合成受體允許定制細(xì)胞如何感知并響應(yīng)不同的信號（見圖4e）众弓。
3. 這些系統(tǒng)可以被設(shè)計來報告在結(jié)合膜結(jié)合配體后的細(xì)胞間接觸恩溅，揭示在結(jié)合可溶性配體后的細(xì)胞微環(huán)境中的線索，以及通過結(jié)合細(xì)胞內(nèi)空間的配體來闡明細(xì)胞內(nèi)因子的存在谓娃。
4. 例如SynNotch等合成受體使得標(biāo)記直接細(xì)胞-細(xì)胞接觸成為可能脚乡，以評估諸如胚胎發(fā)育等時間過程。
5. 例如滨达，它幫助顯示與心肌細(xì)胞相互作用的內(nèi)皮接受細(xì)胞從心臟遷移到肝臟以形成血管奶稠，當(dāng)與腫瘤相互作用時，它們激活血管生成捡遍、遷移和炎癥反應(yīng)锌订。
6. SynNotch還適配到SyNPL系統(tǒng)中，用于研究哺乳動物發(fā)育中的CCIs稽莉，該系統(tǒng)在體外和體內(nèi)跟蹤并操縱發(fā)送者-接受者相互作用瀑志。

para

1. LRI觸發(fā)的下游細(xì)胞內(nèi)活動，如信號傳導(dǎo)污秆，可以通過細(xì)胞內(nèi)感興趣途徑中的合成電路來研究劈猪。
2. 這些電路通常依賴于攜帶途徑報告基因的基因構(gòu)建體。
3. 例如良拼，通過將不同的途徑啟動子與螢光素酶結(jié)合战得，已經(jīng)鑒定出21種不同的SARS-CoV-2蛋白質(zhì)在調(diào)節(jié)10個信號傳導(dǎo)途徑中的作用。
4. 盡管在這個案例中庸推，效果是在過表達(dá)這些蛋白質(zhì)的細(xì)胞上評估的常侦，但這種方法有潛力評估來自其他細(xì)胞的信號的影響浇冰。
5. 在另一個例子中，通過體外多路復(fù)用分析檢測小分子氣味配體與嗅覺受體的結(jié)合效應(yīng)聋亡，這是最大的G蛋白偶聯(lián)受體(GPCRs)家族肘习，鑒定出數(shù)十種新的相互作用。
6. 重要的是坡倔，這些新相互作用揭示了對15個受體未知的配體漂佩。
7. 這種方法被稱為中等通量，因為它涉及工程條形碼報告基因罪塔，但可以擴(kuò)展到96孔板投蝉。
8. 其他之前提到的技術(shù)也可以與這種方法結(jié)合，以達(dá)到更高的通量征堪。

Challenges and opportunities

1. 上述創(chuàng)新為單細(xì)胞水平上具有更高通量和深度的文化創(chuàng)意產(chǎn)業(yè)（CCIs）帶來了新的啟示瘩缆。盡管計算和實驗方法使新的生物學(xué)問題得以解答，但仍然存在各種挑戰(zhàn)和創(chuàng)新的機(jī)會（見圖5）佃蚜。

Fig. 5: Challenges and opportunities for enhancing methods for cell–cell interaction research.

[圖片上傳失敗...(image-eefcb1-1728454806535)]

• 在不同條件下對單個細(xì)胞進(jìn)行比對是困難的庸娱，因為每個樣本在細(xì)胞數(shù)量上固有差異，這挑戰(zhàn)了在單細(xì)胞分辨率下跨條件進(jìn)行細(xì)胞-細(xì)胞交互（CCI）比較谐算。如果沒有校正涌韩，這種情況將導(dǎo)致鴿巢原理（即，不是所有細(xì)胞都能從一個條件一對一地比對到另一個條件）氯夷。
• 配體-受體相互作用（LRIs）的組合，考慮到它們不同的蛋白質(zhì)變體靶擦，也塑造了下游基因的表達(dá)腮考，導(dǎo)致相似的CCI產(chǎn)生不同的轉(zhuǎn)錄響應(yīng)。將這一信息融入CCI研究玄捕，可能會提高預(yù)測并捕捉到信號活動的新生物學(xué)見解踩蔚。
• 多年來，生成基準(zhǔn)數(shù)據(jù)一直是一個主要挑戰(zhàn)枚粘；然而馅闽，為了解決這一問題，正在開發(fā)真實的交互作用整理數(shù)據(jù)庫馍迄，這有助于校準(zhǔn)和調(diào)整計算工具福也。此外，社區(qū)組織的努力將是用下一代實驗方法生成金標(biāo)準(zhǔn)數(shù)據(jù)的關(guān)鍵攀圈。
• 包括配體和受體的亞細(xì)胞定位可以優(yōu)化相互作用的細(xì)胞預(yù)測暴凑。
• 大多數(shù)實驗方法僅限于原位和體外部署，體內(nèi)研究工作較少赘来。隨著允許同時評估許多LRIs和用于追蹤相互作用的工程化配體和受體庫的實驗方法的進(jìn)步现喳，將獲得進(jìn)一步的發(fā)展凯傲。

para

1. 重大發(fā)現(xiàn)依賴于增加CCI研究的規(guī)模，通過引入新方法嗦篱，這些方法要么以單細(xì)胞分辨率推斷CCI冰单，要么允許同時分析來自不同條件的多個樣本中的CCI。
2. 因此灸促，未來的工作可以通過同時包括這兩種情況來進(jìn)一步改進(jìn)CCI工具诫欠；然而，這需要跨條件對單細(xì)胞進(jìn)行對齊腿宰。
3. 不幸的是呕诉，樣本中不含有相同數(shù)量的細(xì)胞，這阻礙了在一個檢測中匹配細(xì)胞與另一個檢測中的細(xì)胞（圖5a）吃度。
4. 因此甩挫，樣本中細(xì)胞數(shù)量的差異可能與某些算法不兼容，這意味著可能需要包括數(shù)據(jù)插補椿每，特別是在單細(xì)胞分辨率上伊者。
5. 例如，DURIAN184在單細(xì)胞數(shù)據(jù)中插補基因表達(dá)间护，并將批量數(shù)據(jù)解卷積到單細(xì)胞水平亦渗，有望促進(jìn)CCI的單細(xì)胞分辨率跨條件比較。
6. 此外汁尺，推斷CCI的全面框架的發(fā)展法精，如CellChat（V2）185、CellPhoneDB（V5）186和LIANA+187的最新版本痴突，可能有助于這項任務(wù)搂蜓，因為它們旨在包括各種策略和功能，涵蓋工具多樣化的絕大多數(shù)方面（圖1a）辽装。
7. 例如帮碰，LIANA+是一個一體機(jī)工具，甚至由多個其他工具提供支持拾积，能夠整合多模態(tài)數(shù)據(jù)殉挽，基于非蛋白質(zhì)配體推斷CCI，檢測CCI模式拓巧，檢查細(xì)胞內(nèi)變化斯碌，以及使用假設(shè)自由和假設(shè)驅(qū)動方法評估多種條件。

para

1. 構(gòu)建LRI數(shù)據(jù)庫對于研究CCIs至關(guān)重要肛度。這一步驟涉及諸如關(guān)注高置信度的LRIs等基本方面输拇，包括蛋白質(zhì)亞基、激活劑贤斜、抑制劑和/或競爭者策吠，以考慮LRIs的信號傳導(dǎo)活性逛裤，并整合基因調(diào)控網(wǎng)絡(luò)以捕捉細(xì)胞內(nèi)過程。在這方面猴抹，AlphaFold已顯示出揭示未識別LRIs的巨大潛力带族。然而，構(gòu)建在生物學(xué)上全面的數(shù)據(jù)庫仍需解決蟀给，這限制了工具推斷CCIs的性能蝙砌。特定的配體和其相應(yīng)的受體的組合可以在不同的細(xì)胞類型中觸發(fā)不同的信號傳導(dǎo)活性。特別是跋理，不同的配體變體可以與不同的受體變體進(jìn)行多態(tài)性交互择克。這導(dǎo)致了一種多對多的關(guān)系，其中每個配體變體以不同的強度與多個受體變體結(jié)合前普，反之亦然肚邢。這意味著配體和受體與它們的伴侶競爭相互作用，并且這種競爭取決于遺傳背景拭卿。因此骡湖，接收細(xì)胞 的信號傳導(dǎo)過程將取決于其受體的特定表達(dá)譜。因此峻厚，包含配體和受體變體响蕴、它們的相互作用親和力和表達(dá)譜的新數(shù)據(jù)庫和算法可能有助于更好地捕捉細(xì)胞內(nèi)事件的激活方式，從而提高CCI預(yù)測的穩(wěn)健性惠桃。

para

1. CCI工具也因有限的真實數(shù)據(jù)而具有較高的假陽性率浦夷，這對于評估和改進(jìn)這些工具性能的基準(zhǔn)分析至關(guān)重要（圖5c）。
2. 特別是當(dāng)大量推斷的CCI圖集開始出現(xiàn)時辜王，這一點尤為關(guān)鍵军拟。
3. 因此，生成金標(biāo)準(zhǔn)數(shù)據(jù)集對于通過適當(dāng)?shù)闹笜?biāo)（如準(zhǔn)確度誓禁、精確度、召回率肾档、F分?jǐn)?shù)和均方根誤差）評估工具性能至關(guān)重要摹恰。
4. 構(gòu)建此類參考數(shù)據(jù)通常涉及從文獻(xiàn)中手動整理CCI，包括多種細(xì)胞類型和分子介質(zhì)怒见，例如CITEdb193和Cellinker136俗慈。
5. 其他情況是針對特定細(xì)胞或組織的數(shù)據(jù)集進(jìn)行整理的CCI，例如腫瘤-免疫細(xì)胞通訊數(shù)據(jù)庫188和特發(fā)性肺纖維化數(shù)據(jù)庫194遣耍。
6. 然而闺阱，多種工具的存在導(dǎo)致了眾多基準(zhǔn)場景，使得對工具性能進(jìn)行全面評估變得具有挑戰(zhàn)性舵变。
7. 盡管如此酣溃，一些研究已經(jīng)嘗試評估工具捕獲短距離CCI的能力87瘦穆，測量它們的健壯性和一致性140,149，并評估工具在特定基準(zhǔn)場景中的表現(xiàn)151,194或按表型對樣本進(jìn)行分類的能力33,187赊豌。
8. 此外扛或，創(chuàng)建如scMultiSim144等框架對于提供模擬不同單細(xì)胞行為模態(tài)的硅基真實數(shù)據(jù)非常重要，包括基因調(diào)控網(wǎng)絡(luò)推斷碘饼、RNA速度估計熙兔、批次效應(yīng)、空間組織和CCI艾恼。
9. 然而住涉，這些方法中沒有一種能夠完全涵蓋CCI的所有不同方面，從而全面幫助改進(jìn)計算工具的性能钠绍。
10. 因此舆声，進(jìn)一步的研究需要通過應(yīng)用例如此處描述的實驗方法（參見"追蹤細(xì)胞-細(xì)胞交互"）來擴(kuò)展包含真實交互的資源。
11. 這可以作為在多個基準(zhǔn)場景下社區(qū)組織生成金標(biāo)準(zhǔn)數(shù)據(jù)的更大基礎(chǔ)五慈，正如之前為構(gòu)建促進(jìn)免疫細(xì)胞交互的表面蛋白資源所實現(xiàn)的那樣纳寂。

para

1. 實驗方法使得分析細(xì)胞-細(xì)胞接口處的蛋白質(zhì)組織成為可能。
2. 然而泻拦，當(dāng)前的計算工具對于配體和受體的膜亞定位（圖5d）提供了有限的洞察毙芜。
3. 可以考慮開發(fā)新算法來研究免疫突觸和胚胎發(fā)育動力學(xué)的膜蛋白相互作用的生物物理特征（如定位、強度和細(xì)胞骨架耦合）争拐。
4. 例如腋粥，通過使用抗原親本蛋白的亞細(xì)胞位置，改進(jìn)了對免疫療法反應(yīng)的預(yù)測架曹，這表明分子媒介的亞細(xì)胞位置可能對CCI推斷具有信息價值隘冲。

para

1. 最近的實驗方法提高了測量細(xì)胞-細(xì)胞相互作用（CCIs）的通量和準(zhǔn)確性。
2. 然而绑雄，許多挑戰(zhàn)仍然存在展辞，例如在測量主要是直接細(xì)胞接觸方面的限制；同時測量許多局域化細(xì)胞間相互作用（LRIs）和細(xì)胞對方面的困難万牺；以及與現(xiàn)場測量相互作用相關(guān)的問題（圖5e）罗珍。
3. 這些限制和實驗方法所需的專門知識（表1）進(jìn)一步擴(kuò)大了在驗證計算工具輸出方面的努力所存在的差距。
4. 因此脚粟，很少有實驗方法與計算工具相結(jié)合使用153,154覆旱。
5. 然而，這里討論的許多方法可以與下游RNA測序相結(jié)合核无，然后用于約束CCIs的計算推斷扣唱。
6. 我們預(yù)計將出現(xiàn)額外的技術(shù)，報告更多經(jīng)過驗證的CCIs，并將它們與下游測序和計算分析相結(jié)合噪沙。
7. 例如炼彪，uLIPSTIC可以與單細(xì)胞RNA測序（scRNA-seq）結(jié)合，揭示復(fù)雜的CCIs169曲聂。
8. 此外霹购，將這些方法與正交方法相結(jié)合，評估分子和細(xì)胞的共定位將有助于識別更多的CCIs朋腋，并處理測量相互作用的障礙（例如齐疙，在缺少此類信息的方法中識別源細(xì)胞）。
9. 例如旭咽，為了幫助擴(kuò)大實驗獲得的CCI和LRI網(wǎng)絡(luò)規(guī)模贞奋，實驗方法可以與多路復(fù)用蛋白成像方法198如CODEX199結(jié)合使用，該方法利用與DNA條形碼結(jié)合的抗體在組織內(nèi)空間可視化多個蛋白標(biāo)記穷绵。
10. 此外轿塔，新興的標(biāo)記分泌信號200,201和長距離通信機(jī)制202的方法將是跟蹤C(jī)CIs時使這些高通量實驗方法更加全面的關(guān)鍵。
11. 進(jìn)一步的創(chuàng)新將繼續(xù)解決上述局限性仲墨，這種進(jìn)步對于計算推斷將是必不可少的勾缭，通過以特定上下文的方式直接測量許多CCIs，為訓(xùn)練和驗證提供極好的資源目养。

Conclusions

1. 近年來俩由，用于研究細(xì)胞-細(xì)胞相互作用的工具已經(jīng)經(jīng)歷了顯著的多樣化。
2. 計算工具已經(jīng)從基于核心基因表達(dá)的方法發(fā)展到下一代策略癌蚁，這些策略整合了細(xì)胞的額外生物學(xué)特性幻梯。
3. 同樣，更先進(jìn)的實驗方法增加了通量能力努释，允許同時分析多個通訊途徑碘梢；因此，為細(xì)胞-細(xì)胞相互作用提供了更全面和生物學(xué)上有意義的見解伐蒂。
4. 計算和實驗方法都表現(xiàn)出極大的互補性和協(xié)同性煞躬，這可以擴(kuò)大它們在生物醫(yī)藥和個性化醫(yī)療等領(lǐng)域有影響力的應(yīng)用的潛力。
5. 因此逸邦，應(yīng)對這些新的機(jī)遇將是深化我們對細(xì)胞-細(xì)胞相互作用的理解的核心恩沛。