單細胞測序技術深刻地改變了科研模式。隨著技術的推廣，單細胞數據挖掘已經從早期的圖譜構建過渡到聚焦特定的細胞類型，挖掘驅動表型的核心基因，探究細胞互作模式等，這對于理解生物學過程、疾病診治、藥效預測以及免疫療法的靶點發現等具有重要意義。但是，從海量的單細胞數據中挖掘出有用信息仍然是一個巨大的難題。我們結合文獻，為大家分享單細胞數據挖掘的五大策略。

策略一，發現和鑒定新的細胞類群。2022年12月，張寧團隊和張澤民團隊合作在Nature雜志發表題目為Liver tumour immune microenvironment subtypes and neutrophil heterogeneity的研究論文。文章運用單細胞測序技術描繪了原發肝癌的免疫微環境景觀并進行了分型，重點關注其中的腫瘤相關中性粒細胞（TAN）。

2024年5月，中科院張曉明教授與復旦大學附屬中山醫院高強教授、樊嘉院士和浙江大學郭國驥教授等合作在Science雜志上發表題為A blueprint for tumor-infiltrating B cells across human cancers的研究論文，揭示了腫瘤浸潤 B 細胞的兩種應答模式及其對抗腫瘤免疫的影響。

研究人員整合了自測數據和公共數據共477例樣本的 B 細胞單細胞轉錄組數據，將 B 細胞分為15個大群，包括IFIT3+ B 細胞、DUSP4+ 非典型記憶（Atypical memory, AtM）B 細胞、生發中心（GC） B 細胞和漿細胞等。本研究重點研究了EF來源漿細胞的前體細胞——DUSP4+ AtM B 細胞，主要描繪了其在腫瘤中的表型和調控機制。

差不多同一時間，高強教授團隊與合作者在Cell雜志發表題為Neutrophil profiling illuminates anti-tumor antigenpresenting potency的研究論文。該研究借助單細胞測序數據，分析了17種癌癥類型中225個樣本的中性粒細胞，揭示其在癌癥中的10種不同狀態，包括炎癥、血管生成和抗原呈遞。研究發現，HLA-DR+CD74+亞群中性粒細胞，與多數癌癥的預后較好相關，并且能夠通過亮氨酸代謝激活來增強 T 細胞的抗原反應。

策略二：Frequency有差異的細胞類群（亞群特征表達基因）。單細胞轉錄組技術是捕捉細胞異質性的強有力工具，通過對亞群特征表達基因的探索，挖掘細胞異質性，構建精細細胞圖譜。

2019年9月，Nature Communications雜志發表題為Heterogeneity of human bone marrow and blood natural killer cells defined by single-cell transcriptome的研究論文。研究者通過單細胞轉錄組測序數據，定義了人類骨髓和血液中不同的NK細胞亞群，利用每個亞群的特征表達模式定義這些具有特殊功能的NK細胞。

策略三：組間顯著差異基因。通過組間比較篩選潛在的調控因子是bulk RNA測序數據挖掘最常用的方法，可以快速縮小研究范圍。在單細胞數據挖掘中，我們可以進一步確定調控表型的關鍵因子是通過何種具體的途徑調控表型。

2024年10月，華中科技大學同濟醫學院附屬同濟醫院王從義教授團隊在Cell Metabolism發表題為PDIA3 defines a novel subset of adipose macrophages to exacerbate the development of obesity and metabolic disorders的研究論文。借助單細胞核轉錄組測序數據，該研究發現脂肪組織巨噬細胞（ATMs）亞群僅在肥胖受試者中高度富集。這群細胞高表達ATF4、PDIA3、ACSL4、CCL2，因而被定義為炎癥和代謝激活的巨噬細胞（iMAMs）。這些iMAMs在肥胖和相關代謝紊亂的發病機制中發揮關鍵作用。

策略四：從轉錄因子切入。 當我們無法鑒定到新的細胞類群，也找不到合適的特征基因和差異基因作為主線繼續挖掘數據時，轉錄因子是一個很好的切入點。轉錄因子分析為探索細胞異質性開辟了一條新途徑，它著重于從Regulons（調控子）的活性異質性角度出發，剖析不同細胞亞群間的調控子差異，并借助Regulons網絡分析，深入挖掘驅動表型的關鍵調控網絡。這種策略有點像Bulk測序中的互作分析或者WGCNA。

2020年7月，PNAS雜志發表題為 Cell profiling of mouse acute kidney injury reveals conserved cellular responses to injury的研究論文。 研究人員借助SCENIC分析了不同分化命運下Regulons活性的異質性，篩選處異質性較強的Regulons，并查看靶基因表達變化，在成功修復集群中，轉錄因子Hnf4a、Hnf1b和Pbx1驅動了多個與修復相關基因的表達，包括各種溶質連接的載體Plxdc2、Gas2和Dab2，最終解析了小鼠急性腎臟損傷修復關鍵分析機制。

策略五：細胞通訊，找核心配受體。 細胞通訊是一個非常受歡迎的研究方向，其中配體與受體的相互作用是探究細胞互作的常用手段。典型的互作模式涉及 A 細胞釋放的 B 配體與 C 細胞上的 D 受體結合，這一過程具有明確的方向性。因此，細胞通訊常被用來闡明細胞類型 A 的功能機制。2023年2月，Cance Cell雜志發表題為Immune checkpoint HLA-E:CD94-NKG2A mediates evasion of circulating tumor cells from NK cell surveillance的研究論文。

這篇文章通過 細胞通訊分析，發現血液中的腫瘤循環細胞CTC與腫瘤細胞之間可通過多種蛋白分子來實現細胞間的互作 。這是這篇文章的核心，也是另一篇文章的基本出發點！

后面就是各種驗證。 體外細胞實驗的互作探究。

動物模型。

2024年9月，作者們用同一套數據在Cell Discovery雜志發表題為Immune checkpoints HLA-E:CD94-NKG2A and HLA-C:KIR2DL1 complementarily shield circulating tumor cells from NK-mediated immune surveillance的通訊文章。

這項研究將NK細胞細分為三群。NK-1是轉移灶和原發灶有，肝門靜脈 (HPV) 沒有的；NK-2和NK-3是轉移灶和HPV都有的（參與腫瘤轉移的）。亞群細分后，就發現Cancer Cell報道的CD94:NKG2A-HLA-E是HPV的NK-2和NK-3與CTC互作的，除此之外，CTC HPV的NK-2通過HLA-C:KIR2DL1，NK-3通過HLA-C:KIR2DL3進行互作。細胞通訊分析仍然是這篇通訊文章中最重要的分析。

作者就HLA-C:KIR2DL1這對互作分子進行了深入研究。 通過HLA-E和HLA-C在小鼠腫瘤模型中的單、雙敲除實驗（Loss-of-function），分析腫瘤大小、小鼠生存驗證雙重阻斷HLA-C:KIR2DL1和HLA-E:CD94-NKG2A，可以進一步抑制腫瘤轉移。 機制上比較簡略，沒有實驗驗證，只是簡單的呈現在示意圖中了。

利用細胞通訊分析，比較容易地可以找到組間差異通訊的互作分子，這樣又有表型，又有機制，還可以作為靶點進行后續研究。 精彩！ 非常精彩！

本文根據美吉生物的推文而創作，部分內容直接應用，但是加入了我們自己的觀點。奇文共欣賞，疑義相與析，供各位果友參考！參考鏈接：

https://mp.weixin.qq.com/s/8xOgvo8GM6RvxqCl6CTI1A