1. 引言:为什么我们需要单细胞轨迹分析?
如果你刚刚接触单细胞数据分析,可能会觉得细胞亚群聚类、差异基因分析已经足够复杂了。但当你拿到一张标注了十几个细胞亚群的UMAP图时,心里可能还是会冒出更多问题:这些细胞亚群之间有什么关系?它们是从哪里来的,又会分化成什么?比如,我们鉴定出了一群“干细胞样细胞”和一群“终末分化细胞”,它们之间是否存在一条清晰的发育路径?某个关键的过渡状态细胞又在哪里?这些问题,正是单细胞轨迹分析要回答的核心。
简单来说,轨迹分析就是给细胞排个“队”,重建它们在时间或发育进程上的先后顺序。这就像你看一张班级合影,能认出谁是谁,但轨迹分析能告诉你,这些学生从一年级到六年级是怎么一步步成长变化的,中间经历了哪些关键阶段。在肿瘤、胚胎发育、免疫反应等研究中,这能帮我们理解细胞状态是如何动态演变的。
在众多工具中,Monocle 和 CytoTRACE 是我实战中最常用、也最互补的组合。Monocle就像一个经验丰富的“路径规划师”,它能基于基因表达的相似性,构建出细胞状态转变的轨迹图,告诉你细胞可能沿着哪条路走。而CytoTRACE则像一位“潜能评估师”,它不依赖于先验知识,直接通过基因表达谱的复杂性来给每个细胞打分,告诉你哪个细胞更“年轻”、分化潜能更大。两者结合,既能画出“路线图”,又能评估每个“站点”细胞的“年轻程度”,让分析结果更加立体和可靠。
这篇文章,我就以一个真实的乳腺癌单细胞数据集为例,带你手把手走完从数据准备、轨迹构建、潜能打分到深度解析的全流程。我会分享我踩过的坑、调试过的参数,以及如何解读那些看似复杂的图表。即使你R语言刚入门,跟着步骤也能复现出有生物学意义的发现。
2. 实战准备:环境、数据与核心概念
在开始写代码之前,做好准备工作能避免很多后续的麻烦。这里我分两步走:一是把软件环境搭好,二是把我们要用的核心概念捋清楚。
2.1 安装与加载必要的R包
工欲善其事,必先利其器。我们需要一系列R包来协同工作。我建议你直接在RStudio里新建一个项目,然后运行下面的代码来安装和加载。有些包在Bioconductor上,安装方式略有不同。
# 安装CRAN上的包
install.packages(c("Seurat", "dplyr", "Matrix", "cowplot", "ggplot2", "harmony", "ggpubr", "ggsignif", "pheatmap", "colorRamps"))
# 安装Bioconductor上的包
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install(c("scater", "scran", "monocle", "clusterProfiler", "org.Hs.eg.db", "AnnotationDbi"))
# 安装CytoTRACE (从GitHub)
install.packages("devtools")
devtools::install_github("digitalcytometry/cytotrace")
# 加载所有需要的库
library(Seurat)
library(dplyr)
library(monocle)
library(CytoTRACE)
library(ggplot2)
library(clusterProfiler)
library(org.Hs.eg.db)
这里有个小提示:monocle 有多个版本(如monocle2, monocle3),其语法和函数有较大差异。本文基于应用广泛、文档丰富的 monocle2 进行讲解。如果你之前装过monocle3,可能需要先卸载。另外,CytoTRACE 的安装依赖一些编译工具,在Windows上可能需要安装Rtools,在Mac/Linux上可能需要Xcode命令行工具或gcc,如果安装报错,请根据提示信息解决依赖。
2.2 理解关键概念:伪时序、状态与分化潜能
接下来,我们花几分钟搞懂三个贯穿全文的核心词,不然看后面的图和结果会一头雾水。
伪时序(Pseudotime):这是Monocle给每个细胞分配的一个数值。它并不是真实的物理时间,而是根据基因表达变化推断出的一个“相对时间”。你可以把它理解为细胞在发育或分化轨迹上的“进度条”,从起点(如干细胞)的0,到终点(如成熟细胞)的最大值。数值越大,表示该细胞在推断的时间轴上越靠后。
状态(State):这是Monocle在构建轨迹时,根据细胞在降维空间的分布自动划分出的离散分组。你可以把它想象成旅程中的“关键站点”或“中转站”。一个State内的细胞具有高度相似的表达模式,而不同State之间则代表了主要的转变节点。非常重要的一点是:State编号(如State 1, State 2)与伪时序的先后没有必然关系。State 1不一定是起点,它只是算法识别出的一个细胞集合。我们需要通过后续观察来确定哪个State是轨迹的根源。
分化潜能(Differentiation Potential):这是CytoTRACE计算出的一个连续分值。其核心假设是:越不成熟、分化潜能越高的细胞,其转录组越复杂,表达的特异性基因数量越多。因此,CytoTRACE得分越高,代表细胞越“幼稚”,分化潜能越大;得分越低,代表细胞越“成熟”,分化潜能越小。这个分数为我们提供了一个独立于轨迹形态的、衡量细胞“干性”或“年轻度”的指标。
3. 从Seurat对象到Monocle的CDS:数据桥梁搭建
单细胞分析生态中,Seurat无疑是数据预处理和初始分析的霸主。我们的起点通常也是一个精心分析过的Seurat对象。Monocle使用自己特有的数据结构——CellDataSet(简称CDS)。所以第一步,就是安全地把数据从Seurat“搬运”到Monocle。
3.1 数据读取与抽样策略
假设你已经完成了质控、标准化、降维、聚类和细胞亚群注释,得到了一个保存好的Seurat对象,例如BRCA_SingleCell.RDS。
# 读取之前保存的Seurat对象
BRCA_SingleCell <- readRDS("/path/to/your/BRCA_SingleCell.RDS")
# 查看细胞亚群信息
table(BRCA_SingleCell$cell_Subtype)
轨迹分析有时对计算资源要求较高,尤其是细胞数超过2万时。我吃过亏,
8153



被折叠的 条评论
为什么被折叠?



