​Sci Adv｜谭凯/高琳团队合作开发细胞间通讯分析新算法，从头构建细胞类型特异性信号转导网络

单细胞RNA测序（scRNA-seq）技术正在越来越多地用于表征复杂组织的异质性。除了量化转录本丰度和划分细胞类型外，理解不同细胞类型之间如何相互作用，对于解析组织复杂性特征是至关重要的。信号转导是细胞间通讯的主要机制，利用scRNA-seq数据，现有研究已经开发了几种方法来推断两种细胞类型之间的配体-受体对。然而，信号通路是高度动态的，通路间crosstalk也是普遍存在的。因此，仅仅检测配体和受体的基因表达水平不能可靠地捕捉信号通路的整体活性以及它们之间的相互作用。作为更进一步的研究，SoptSC和 NicheNet算法基于已知的信号通路注释来识别配体-受体对及其下游通路基因。目前还没有以细胞间配体-受体为中心向细胞内延展的信号通路的从头预测方法。

近日，西安电子科技大学高琳教授和胡宇轩博士联合宾夕法尼亚大学/费城儿童医院谭凯教授和彭涛博士后在Science Advances杂志在线发表了题为CytoTalk: De novo construction of signal transduction networks using single-cell transcriptomic data的研究论文，该研究开发了一种从头构建细胞类型特异性信号转导网络的新算法CytoTalk。研究人员利用单细胞转录组数据，将信号网络推断问题转化为图论中斯坦纳森林问题求解。CytoTalk不依赖于已知的信号通路注释信息，能够刻画信号网络在不同组织和不同细胞类型间的异质性，有望揭示健康组织或肿瘤微环境中的细胞间通讯新机制。

CytoTalk算法首先构建一个由细胞内和细胞间基因相互作用组成的集成网络。然后对集成网络中节点和边的权重进行合理的定义。其中，节点权重定义为奖励（即细胞特异性基因活性），边权重定义为代价（即两个基因间相互作用概率）。通过在该赋权集成网络中求解奖励-收集斯坦纳森林（prize-collecting Steiner forest, PCSF）问题来识别信号网络。PCSF问题的目标是在集成网络中找到一个最优子网，包含具有高水平细胞类型特异性表达和与高活性配体-受体对紧密关联的基因。

CytoTalk算法示意图

由于缺乏细胞类型特异性通路注释的金标准，信号通路预测结果的系统性评价是一项重大挑战。研究人员提出了两种benchmarking策略：（1）利用单细胞空间转录组数据，两种类型的细胞可以根据其物理坐标分为近距离和远距离的细胞对，继而通过计算跨细胞对的通路基因间空间表达相关性来验证预测的信号通路；（2）利用基于配体/受体基因敲除的scRNA-seq数据，得到受体基因敲除后的细胞和野生型细胞之间的差异表达基因，作为ground truth来验证预测的受体下游通路。研究人员利用这两种benchmarking方法，证明了CytoTalk显著优于六种同样使用scRNA-seq数据来表征细胞间通讯的现有方法。

此外，为了对人体不同组织和发育阶段的信号通路异质性有新的认识，研究人员应用CytoTalk算法对人类成人和胎儿组织中巨噬细胞与内皮细胞之间的信号网络进行了比较分析，揭示了相比于胎儿组织，成人不同组织间信号网络的异质性显著增加，以及网络中表现出跨组织信号熵显著变化的特定基因节点，这些基因可能与巨噬细胞和内皮细胞的组织适应性（tissue adaptation）有关。

综上，CytoTalk算法为从头构建完整的细胞类型特异性信号通路提供了一种急需的手段，而信号通路的比较分析将有助于更好地理解健康和疾病组织中的细胞间通讯机制。

原文链接：

https://advances.sciencemag.org/content/7/16/eabf1356