DeepPNCC:从单细胞数据中重建伪空间细胞-细胞相互作用景观,以破译乳腺癌病原性
Xu-Hua Li1,2,3, Xiao-Ling Gao4, Deng-Hui Guo1
1School of Intelligent Medicine and Technology (Big Data Research Center), Hainan Medical University, Haikou, PR China.
Journal of translational medicine
|December 17, 2025
概括
DeepPNCC从单细胞RNA测序数据中重建伪空间细胞-细胞相互作用网络,揭示瘤微环境信号通路. 这种方法增强了用于疾病研究的转录组学的空间分析.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 提供高分辨率的转录组数据,但失去空间上下文.
- 了解空间调节的细胞与细胞相互作用对于组织功能和疾病,特别是癌症至关重要.
- 现有的方法很难从scRNA-seq数据中恢复空间信息.
研究的目的:
- 开发一个新的深度学习框架,DeepPNCC,用于从scRNA-seq数据中重建伪空间细胞-细胞相互作用网络 (PSCCI).
- 从未分离的细胞聚合物中利用潜在的空间线索,推断出全球的,空间知情的相互作用景观.
- 提供一个开源工具,用于对scRNA-seq数据的空间分析.
主要方法:
- DeepPNCC使用一个带有对抗规范化的变量图自编码器 (VGAE).
- 它从多重数据中集成了局部相邻矩阵,以推断相互作用.
- 该框架不需要对联体受体对的先前知识.
主要成果:
- DeepPNCC准确地恢复了与小鼠大脑和乳腺癌数据集中的空间转录组学对齐的相互作用.
- 它确定了三阴性乳腺癌中一个闭环信号轴,涉及纤维细胞和促进血管生成的周围血管类细胞.
- 这项研究阐明了一种特定的途径 (ADM-CALCRL-STAT1-CD40/CCL2/ICAM1),对于瘤微环境调节至关重要.
结论:
- DeepPNCC提供了一个有效的工具,用于从缺乏显式空间信息的scRNA-seq数据中重建PSCCI.
- 这种方法扩大了scRNA-seq.的空间分析能力.
- 它促进了细胞生态系统在健康和疾病中的机械解剖.
