获得全单细胞分辨率的见解:最近的方法可以以真正的单细胞分辨率处理这些数据,推断出成对的单个细胞之间的通讯,如SoptSC、NICCHES、Scriabin、SPRUCE、DeepCOLOR等。
细胞空间背景化:查每个细胞空间背景的新 CCIs工具将更清晰地解读复杂组织中具有生物意义的通讯,如Giotto、Squidpy、SVCA 、SpaOTsc、COMMOT、stMLnet、DeepLinc、Neighbour-seq、CSOmap等。
观察细胞内活动:基于转录组学的工具通常仅限于简单地推断蛋白质配体,系统生物学途径分析方法可以加深对细胞内过程的了解,以推断其他类别配体的丰度和活性,从而扩大CCIs工具的能力,如MEBOCOST、Domino、CellComm、exFINDER等。
考虑多种情况:在CCIs研究中还需要考虑细胞和LRIs所有组合的表型关联,如Connectome、CellChat、scDiffCom、 scTenifoldXct、sciTD、DIALOGUE、 MOFAcell、Tensor-cell2cell、 TraSig、 TimeTalk等。
更多其他提升:交互友好(InterCellar、Cellinker、 TALKIEN) ;LIANA建立了一个用于实施多种工具方法的平台,从而能够进行比较分析;Calligraphy使用通讯基因共表达网络来识别信号基因模块等。
以单细胞分辨率进行跨条件的细胞-细胞相互作用(CCI)比较存在挑战:样本细胞数量的差异可能与某些算法不兼容,这意味着可能需要包括数据插补,尤其是在单细胞分辨率下,例如DURIAN、 CellChat (V2)、CellPhoneDB (V5)和LIANA+等算法通过不同策略改善此挑战。
构建LRIs数据库是研究CCIs的关键:这一步骤涉及一些基本方面,如关注高可信度LRIs,包括蛋白质亚基、激活剂、抑制剂和/或竞争对手,以考虑LRIs的信号活性,并结合基因调控网络来捕获细胞内过程。
生成真实数据多年来一直是一个重大挑战:为了解决这个问题,正在开发真实交互的精选数据库,以帮助基准测试和调整计算工具。此外,努力生成金标准数据集对于通过适当的指标(如准确性、精密度、召回率、f分数和均方根误差)评估工具性能至关重要。建立此类参考数据的尝试通常涉及从文献中手动整理CCIs,包括不同的细胞类型和分子介质,如CITEdb和Cellinker所示。
包括配体和受体的亚细胞定位可完善对相互作用细胞的预测:例如考虑到膜蛋白相互作用的生物物理特征(如定位、强度和细胞骨架耦合)的新算法可以用于研究免疫突触和胚胎发育的动力学。
大多数实验方法仅限于原位和体外部署,在体内开展的工作很少:预计将出现更多的技术来报告更多经过验证的CCIs,并将其与下游测序和计算分析相结合。例如ullipstic可以与scRNA-seq结合来解开复杂的CCIs;为了帮助扩大实验获得的CCIs和LRIs网络,实验方法可以与多重蛋白质成像方法(如CODEX)相结合,这是一种使用抗体与DNA条形码结合的方法,可以在空间上可视化组织内的多种蛋白质标记物。此外,新兴的标记分泌信号的方法[和远程通信机制对于使这些高通量实验方法在跟踪CCIs时更加全面至关重要。
[1] Minegishi, M., Kuchimaru, T., Nishikawa, K. et al. Secretory GFP reconstitution labeling of neighboring cells interrogates cell–cell interactions in metastatic niches. Nat Commun 14, 8031 (2023). https://doi.org/10.1038/s41467-023-43855-2 [2] Mayer, S., Milo, T., Isaacson, A. et al. The tumor microenvironment shows a hierarchy of cell-cell interactions dominated by fibroblasts. Nat Commun 14, 5810 (2023). https://doi.org/10.1038/s41467-023-41518-w [3] Armingol, E., Baghdassarian, H.M. & Lewis, N.E. The diversification of methods for studying cell–cell interactions and communication. Nat Rev Genet (2024). https://doi.org/10.1038/s41576-023-00685-8
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。