空间邻域通讯分析大汇总

Zad • • 杂文

作者，Evil Genius

今天我们来汇总一下所有的关于空间邻域通讯的分析方法，供大家参考。

分析方法包括单细胞的改良版cellphoneDB、CellChat、Nichenet、以及专门为空转通讯分析的stlearn、COMMOT，我们来汇总其中的内容并且分享其中的细节。

其中专门分析单细胞的通讯方法cellphoneDB、CellChat、Nichenet全部更新了配套的空间转录组内容，可见配受体共定位已经成为了共识。

关于时空的通讯分析，之前分享过一篇，大家可以看时空通讯分析大盘点

1、cellphoneDB

关于cellphoneDB，大家应该看了很多的推文了，主要是用来做单细胞的通讯分析的，不过从cellphoneDB V3版本开始，cellphoneDB加入了空间通讯分析的内容，这个内容之前分享过，大家可以看考虑空间位置的通讯分析手段---CellphoneDB（V3.0），并且该方法被高分文章Mapping the temporal and spatial dynamics of the human endometrium in vivo and in vitro（Nature Genetics， IF 30.8）所引用。
其中cellphoneDB分析空间通讯需要一个生态位文件，其中这个文件的示例官网给出的如下，细胞类型所在的生态位（微环境）：
并且官网推荐采用cell2location进行生态位的判定，借助生态位的文件，CellphoneDB will use this information to restrict the pairs of interacting cell types (i.e. pairs of clusters sharing/coexisting in a microenvironment).
生态文件的获得在文章Mapping the temporal and spatial dynamics of the human endometrium in vivo and in vitro的描述是

To investigate how surrounding cells may shape signaling in the surface and glandular compartments, we developed CellPhoneDB v.3.0, an updated version of our cell–cell communication pipeline that takes into account spatial cellular colocalization when map-ping ligand–receptor pairs
define three endometrial microenvironments centered on epithelial cells based on the cellular coordinates provided by cell2location: (1) lumenal—preciliated, ciliated
and SOX9+LGR5+ epithelium (proliferative phase) and ciliated and lumenal (secretory phase); (2) functional—SOX9+ proliferative epithelium, immune and eS (proliferative phase) and immune, glandular and dS (secretory phase); and (3) basal—SOX9+LGR5− and fibroblasts C7

其中生态位的判定To account for the distinct temporal and spatial location of cells (that is, microenvironment), we further classified the epithelial interactions based on (1) the phase of the menstrual cycle where cell subsets coexist and (2) their location in the three main endometrial layers (luminal,glandular and basal) according to cell2location
cellphoneDB的V4版本也做了一定的更新，之前分享的文章在10X单细胞空间通讯分析之最新版cellphoneDB（v4）解读，同时被高分文章Single-cell roadmap of human gonadal development（nature，IF 41.058）所引用，这篇文章我也分享过，在10X单细胞空间解码人类性腺发育路线图，我们来看看文章的分析
其中关于cellphoneDB的描述是

To account for the distinct spatial location of cells, we further classified the cells according to their location in the developing ovaries (outer cortex, inner cortex, medulla) as observed by Visium and smFISH. We filtered cell–cell interactions to exclude cell pairs that do not share the same location.

也就是人工挑选共定位的配受体。其中关于生态位的判定采用的仍然是cell2location的分析方法。
目前cellphoneDB已经更新到V5版本，并发表了文章CellPhoneDB v5: inferring cell-cell communication from single-cell multiomics data，其中最大的改变就是从单细胞多组学数据中识别细胞通讯网络。
其中关键的更新是

1、CellSign模块，利用基于转录因子下游受体活性的相互作用。本模块还包括211个描述良好的受体-转录因子直接关系的集合。
2、一种查询CellphoneDB结果的新方法search_utils.search_analysis_results。
3、一个新的数据库(cellphonedb-data v5.0)，其中有更多手动管理的交互，总共有3,000个交互。这个版本的CellphoneDB数据库有三个主要的变化:
（1）整合新的人工审查的相互作用，证明了在细胞-细胞通信中的作用。
（2）包括作为配体的非蛋白分子。
（3）对于与已证明的信号方向性的相互作用，合作伙伴已按顺序排列(ligand is partner A, receptor partner B)。
4、相互作用在信号通路中被分类（这一点借鉴的cellchat）。

cellphoneDB的说明官网在cellphoneDB。希望引起大家的注意。

2、CellChat

CellChat是另外一款非常流行的单细胞通讯分析方法，同时也更新了空转通讯的内容，本身就发了很好的文章Inference and analysis of cell-cell communication using CellChat，目前也更新到了V2的版本，文章在Suoqin Jin et al., CellChat for systematic analysis of cell-cell communication from single-cell and spatially resolved transcriptomics, bioRxiv 2023 [CellChat v2]
不同于cellphoneDB，cellchat一开始就关注了配受体共定位的问题，单细胞分析得到的配受体都进行了空间验证。
在CellChat分析中，空转通讯相关的教程在

Analysis of spatially resolved transcriptomics data

CellChat核心的部分在配受体的可视化分析识别共定位的配受体。
其中分析中人工定义niche的方法是指定sources.use和targets.use，示例如下
bubble <- netVisual_bubble(
    IPF, 
    #sources.use = c(1:4), 
    #targets.use = c(16,17), 
    # signaling = c("MHC-I","MHC-II"),
    pairLR.use = immune_net_ssg_pairs,
    remove.isolate = FALSE,
    thresh=0.05,
    sources.use = c("B/Plasma","Bronchial Vessel","Dendritic","pDC","T cell"),
    targets.use = c("B/Plasma","Bronchial Vessel","Dendritic","pDC","T cell"),
    title.name = "Immune Niche - Secreted Signaling",)
ggsave(filename="./figures/CellChat_IPF_ImmuneNiche_SSG_pairs_heatmap.pdf", plot=bubble, dpi = 300)
niche的定义来源依然是cell2location，需要人工来做。
不过我个人不太喜欢CellChat的空转通讯的分析方法，不太靠谱，仅个人观点。
CellChat的官网在CellChat

3、Nichenet

关于Nichenet，也分享了很多了，本身也发表了很好的文章，NicheNet: modeling intercellular communication by linking ligands to target genes（nature methods，IF 48），我也写了很多，10X单细胞（10X空间转录组）通讯分析之总结Nichenet生态位通讯比较分析、10X单细胞（10X空间转录组）通讯分析之总结Nichenet多条件差异通讯，NicheNet也更新了空间通讯的内容，并且被高分文章Stellate Cells, Hepatocytes, and Endothelial Cells Imprint the Kupffer Cell Identity on Monocytes Colonizing the Liver Macrophage Niche（immunity ，IF 32.4）所引用。目前也有了升级版的MultiNicheNe，文章在MultiNicheNet: a flexible framework for differential cell-cell communication analysis from multi-sample multi-condition single-cell transcriptomics data

关于NicheNet空转部分的教程，在

Single-cell NicheNet’s ligand activity analysis

其中的核心在于定义Niche，以下为示例
niches = list(
    "KC_niche" = list(
      "sender" = c("LSECs_portal","Hepatocytes_portal","Stellate cells_portal"),
      "receiver" = c("KCs")),
    "MoMac2_niche" = list(
      "sender" = c("Cholangiocytes","Fibroblast 2"),
      "receiver" = c("MoMac2")),
    "MoMac1_niche" = list(
      "sender" = c("Capsule fibroblasts","Mesothelial cells"),
      "receiver" = c("MoMac1"))
  )
那么这个Niche怎么来的，也是需要借助空间转录组的力量，也是推荐cell2location的方法。

4、stlearn

关于stlearn已经分享了很多了，stlearn的官网在https://stlearn.readthedocs.io/en/latest/，文章发表在Robust mapping of spatiotemporal trajectories and cell–cell interactions in healthy and diseased tissues（Nature Communications,IF18），我也分享了很多，大家可以参考时空轨迹和空间细胞相互作用、10X空间转录组分析之stlearn联合harmony整合多个空间样本、10X单细胞空间回顾之stlearn、10X空间转录组之空间临近通讯分析stlearn进阶版
stlearn关于通讯的部分也很经典，通讯需要考虑空间位置信息。

不同的分辨率、不同的尺度、技术和生物系统下都能有效地识别和排序健康和患病状态下的重要LR对。不考虑空间信息的方法也可能预测远端细胞类型之间的相互作用。任何此类预测都不太可能代表真正的相互作用，因为这些相互作用通常发生在200 μm的范围内。

5、COMMOT

关于COMMOT，其作者与CellChat是同一人，COMMOT本身发表了很好的文章，#### Screening cell-cell communication in spatial transcriptomics via collective optimal transport（nature methods）,我也分享了很多，在10X空间转录组通讯信号流的运用（COMMOT）、10X空间转录组通讯信号流的运用（COMMOT）
COMMOT的官网在https://github.com/zcang/COMMOT，说明文档在https://commot.readthedocs.io/en/latest/index.html，其中主要的内容就是空间通讯信号流，已被高分文章引用。
而且从项目上来看，售后分析客户非常认可。

最后，更新一个小的内容，如果我们采用cellphoneDB、Cellchat、NicheNet分析空间通讯，如何借助cell2location的力量获得生态位细胞类型含量的文件。

大家先要完成单细胞空间的联合分析

版权声明：
作者：Zad
链接：https://www.techfm.club/p/120779.html
来源：TechFM
文章版权归作者所有，未经允许请勿转载。

THE END
分享
二维码
< <上一篇
下一篇>>