公司网站怎么推广,上海做电子商务网站的公司,如何网站做淘客,wordpress 支付方式scRNA-seq技术允许在转录组水平上对数千个细胞进行测量。scRNA-seq正在成为研究肿瘤微环境中细胞成分及其相互作用的重要工具。scRNA-seq也被用于揭示肿瘤微环境模式与临床结果之间的关联#xff0c;并在复杂组织中剖析药物治疗的细胞特异性效应。scRNA-seq的最新进展推动了疾…scRNA-seq技术允许在转录组水平上对数千个细胞进行测量。scRNA-seq正在成为研究肿瘤微环境中细胞成分及其相互作用的重要工具。scRNA-seq也被用于揭示肿瘤微环境模式与临床结果之间的关联并在复杂组织中剖析药物治疗的细胞特异性效应。scRNA-seq的最新进展推动了疾病和治疗靶点生物标志物的发现。虽然已经提出了利用scRNA-seq数据的基因表达来预测药物反应的方法但还需要一个从scRNA-seq分析到药物发现的集成工具。scDrug作为一个完整pipeline包括生成scRNA-seq聚类和预测药物治疗方法。scDrug管道由三个主要模块组成用于鉴定肿瘤细胞亚群的scRNA-seq分析、细胞亚群的功能注释和药物反应预测。
来自scDrug: From single-cell RNA-seq to drug response prediction 项目https://github.com/ailabstw/scDrug 目录 背景概述数据和方法scRNA-seq数据预处理自动分辨率聚类差异基因分析细胞注释功能富集生存分析药物反应预测药物反应训练数据GEP作为特征预测模型的框架模型训练和验证 肝细胞癌病例分析 背景概述
scRNA-seq被用于分析高分辨率细胞组成从而发现肿瘤异质性并为定制化生物学任务提供了前所未有的机会。恶性肿瘤细胞表达特征的细节为药物治疗提供了靶点依据。药物重利用是基于已批准或正在研究的药物开发针对不同疾病的治疗策略。为了连接药物发现和scRNA-seq分析两个领域开发了scDrug。
scDrug可以从scRNA-seq分析到药物反应预测。在scDrug中首先构建了scRNA-seq分析管道用于对scRNA-seq数据进行全面分析。实现了在Python环境下对肿瘤细胞进行亚群聚类。
接下来整合了两种不同的方法来预测针对癌细胞亚群的药物治疗使用包括LINCS GDSC和PRISM在内的公共数据集来全面表征癌细胞系的分子特征。具体来说一种方法预测药物对特定肿瘤簇的敏感性另一种方法预测药物对肿瘤簇的综合作用。scDrug提供预测结果供领域专家对所选药物进行评价。实验结果表明scDrug可以成功捕获细胞对药物治疗的反应。总之scDrug允许研究人员探索肿瘤细胞的异质性并找到有效治疗的候选药物。
数据和方法
scRNA-seq数据预处理
第一步是scRNA-seq数据分析包括Scanpy的数据预处理、MAGIC对输入进行插补、Harmony进行批次校正、Louvain进行聚类、Scanpy差异表达基因DEG鉴定、GSEAPY功能富集注释scMatch细胞类型注释。
在数据预处理中过滤掉表达少于200个基因的细胞和表达少于3个细胞的基因将线粒体基因占比的细胞保持在30%以下。剩余的数据进行归一化到每细胞10000个总数再进行自然对数变换高变基因搜索缩放到单位方差和零均值。一旦需要数据输入scDrug还集成了MAGIC来输入缺失值。接下来应用主成分分析(PCA)并根据需要使用Harmony消除批次效应。然后计算前20个主成分的邻居图并使用Louvain算法将细胞聚类成组。
自动分辨率聚类
为了确定聚类的分辨率用户可以选择手动或自动分配。在自动模式下对间隔为0.2的[0.4,1.4]区间内的分辨率值计算了chooseR中描述的基于次抽样的鲁棒性评分。对于给定的分辨率使用定义为1.0的距离矩阵减去5次聚类的共聚类频率来计算平均轮廓分数每次聚类在数据集的80%的随机子集上执行不进行替换。将得分最高的分辨率作为最优聚类分辨率。
差异基因分析细胞注释功能富集
聚类后scDrug使用默认参数的scanpy函数rank_genes_groups对每个聚类的基因进行排序以识别DEGs。然后scDrug用GSEAPY进行功能富集。此外使用human GO_Biological_Process_2021库对log2倍变化大于2且p值和调整后的p值均低于0.01的DEG执行enrichment。对于细胞类型注释使用所有基因表达并计算其细胞的平均表达量作为每个簇的基因表达谱GEPgene expression profile。接下来应用scMatch根据参考数据集的GEP对簇进行注释。
基于scRNA-seq数据分析的输出包括一个AnnData对象一个基因表达谱GEP批校正、聚类和细胞类型注释结果的UMAPs以及DEGs和GSEA文件。
生存分析
为了预测每个聚类对患者生存的影响首先选择每个簇的前20个差异表达基因作为簇的特异性基因签名。然后从TCGA数据库中下载不同癌症患者的bluk RNA profiles和相应的临床信息。为了评估每个患者的肿瘤簇活性为每个患者构建了一个expression table每个列代表一个簇的基因特征。对于每一簇及其所选的20个基因中的某一个如果该患者的该基因表达高于所有患者的中位数表达则赋值为1否则该值设置为0。按列求和以下称为“activity score”表示患者中每个簇的激活水平。对于每一簇如果患者的活动得分在最高或最低四分位数则将其分为“高表达”簇和“低表达”簇。最后用Kaplan-Meier曲线和log-rank分析的p值比较两组的生存率图S1。下面示例中以A类型细胞为例对比了A簇激活高低的两组患者然后结合临床信息得到生存曲线。这里的生存分析是为了找到疾病相关的簇。
图S1从 TCGA 中评估了 scRNA-seq 数据识别的每种细胞类型特异性特征的表达水平。 对于每个簇细胞类型将患者分为两组一组为高表达另一组为低表达。最后用 Kaplan-Meier 曲线和 log rank p 值分析比较了这两组的生存情况。
药物反应预测
在scDrug管道中使用第一步生成的AnnData对象并应用CaDRReS-ScPredicting heterogeneity in clone-specific therapeutic vulnerabilities using single-cell transcriptomic signatures进行药物反应预测。CaDRReS-Sc是一个基于scRNA-seq数据的强大的癌症药物反应预测的机器学习框架它估计细胞簇的halfmaximal inhibitory concentrationIC50。基于CaDRReSSc框架提供了两种预训练的预测模型GDSC和PRISM用于预测细胞簇的药物反应。
这两个模型是使用GDSC和PRISM数据集的基因表达和药物反应数据通过无样本偏差的目标函数进行训练的。通过计算实际药物反应值和预测药物反应值的Spearman相关系数来评估预测性能。按照升序排列scDrug剔除了drug-wise系数低于第一个四分位数系数的药物。 “IC50”半数最大抑制浓度表示在一定浓度下化合物能够抑制蛋白质活性的程度 药物反应训练数据
对于GDSC模型scDrug使用了226种药物在1074种癌细胞系中的反应数据测量的IC50数据来源于CaDRReS-Sc的GDSC数据集GDSC数据集作为训练数据集。对于PRISM模型scDrug使用PRISM Repurposing数据集19Q4版本作为训练数据该数据集包含1448种药物对480种细胞系的反应。PRISM数据集以剂量-反应曲线下的面积AUC提供药物反应不是来自IC50。
GEP作为特征
对于GDSC模型我们使用GDSC数据库中CaDRReS-Sc提供的1018个癌细胞系的基因表达数据选择所有细胞系中共有的17419个基因作为特征基因进行模型训练。对于PRISM模型从DepMap Portalhttps://depmap.org/portal/下载CCLECancer Cell Line Encyclopedia表达数据21Q3版本包含1,379个细胞系和19,177个基因。选择表达与PRISM AUC相关且绝对Pearson相关系数至少为0.2的8087个基因作为特征基因。scDrug计算了每个特征基因在细胞系间平均表达量的log2表达倍数变化。
预测模型的框架
为了预测细胞簇的IC50scDrug计算了相对于AnnData的平均基因表达值的log2倍变化并预测了每个细胞的IC50值。然后平均IC50预测值确定每个簇的IC50。或者利用簇和其他簇之间的log2倍变化直接预测簇的IC50。
模型从转录组学和药物反应中学习了潜在的药物-基因组学关系。CaDRReS-Sc中提出的模型定义为 s ^ i u μ b i Q b u P q i ⋅ p u μ b i Q b u P q i ( x u W P ) T \widehat{s}_{iu}\mub_{i}^{Q}b_{u}^{P}q_{i}\cdot p_{u}\mub_{i}^{Q}b_{u}^{P}q_{i}(x_u W_{P})^{T} s iuμbiQbuPqi⋅puμbiQbuPqi(xuWP)T其中 s i u s_{iu} siu是药物 i i i对细胞系 u u u的观测药物反应IC50 s ^ i u \widehat{s}_{iu} s iu表示预测的药物反应 μ \mu μ为总体平均药物反应 b i Q b_{i}^{Q} biQ和 b u P b_{u}^{P} buP分别是药物 i i i和细胞系 u u u的偏置项 q i , p u ∈ R f q_{i},p_{u}\in R^{f} qi,pu∈Rf表示药物 i i i和细胞系 u u u在latent space下的f-dim表征。 W P ∈ R d × f W_{P}\in R^{d\times f} WP∈Rd×f是将基因表达水平 x u ∈ R d x_u\in R^{d} xu∈Rd投影到latent space的变换矩阵 d d d为基因数。也有简化的 s ^ i u b i Q q i ⋅ p u \widehat{s}_{iu}b_{i}^{Q}q_{i}\cdot p_{u} s iubiQqi⋅pu目标函数定义为 L ( θ ) 1 2 K [ ∑ i ∑ u ( s i u − s ^ i u ) 2 λ ∑ d ∣ ∣ w d ∣ ∣ 2 λ ∑ i ∣ ∣ q i ∣ ∣ 2 ] L(\theta)\frac{1}{2K}[\sum_{i}\sum_{u}(s_{iu}-\widehat{s}_{iu})^{2}\lambda\sum_{d}||w_{d}||^{2}\lambda\sum_{i}||q_{i}||^{2}] L(θ)2K1[i∑u∑(siu−s iu)2λd∑∣∣wd∣∣2λi∑∣∣qi∣∣2]其中 K K K是drug-cell pairs的总数 λ \lambda λ是L2正则化系数 w d w_d wd是 W P W_{P} WP中的向量。模型预测流程见图S2。
图S2该图显示了训练 PRISM 药物反应模型并将其用于下游应用。对于训练任务目标是最小化预测药物反应值和真实药物反应值IC50之间的损失。 对于应用任务使用训练表达谱计算特征并用于预测药物反应。CCLECancer Cell Line Encyclopedia。
模型训练和验证
PRISM和GDSC模型分别使用140维和10维潜在空间进行训练学习率为0.01最大epoch设置为100,000。为了评估unseen细胞系的性能scDrug将24个细胞系作为验证集并计算它们的中位数绝对误差以及实际和预测药物反应之间的Pearson相关系数。 基于CaDRReS-Sc预测药物反应是一种候选药物预测方式还有另一种是基于Premnas计算框架结合LINCS L1000实现联合药物治疗的方案。两者分别有以下思想指导
基于CaDRReS-Sc预测药物反应学习药物与细胞系的IC50数据所以在搜索候选药物时是根据IC50来筛选的。Premnas基于LINCS L1000学习扰动扰动结果体现在施加药物扰动后各个细胞系中细胞数量的变化肿瘤细胞系的数量变少说明该扰动是有利的。
总体而言scDrug搜索药物是基于生存分析确定癌细胞系基于药物和细胞系的统计数据来学习的没有涉及到具体基因蛋白层面不能与现在的CPI模型相结合 肝细胞癌病例分析 图3scDrug工作流程。scDrug的第一部分分析scRNA-seq以生成细胞簇(蓝色)。scDrug的第二部分执行细胞类型和功能注释(黄色)。scDrug的第三部分运行生存分析以帮助识别恶性肿瘤细胞簇(绿色)最后用两种不同的方法预测候选药物(红色)。 图4肝细胞癌病例分析。A 肝细胞癌的scrna序列来自Sharma2020B Harmony批次校正后patientID分配的UMAPC UMAP用于细胞聚类D scDrug自动计算分辨率E 来自C的潜在肿瘤细胞亚聚类F 细胞簇gene ontology annotation的基因集富集分析G 用于生存分析的KM曲线示例H 热图显示PRISM数据库中通过CaDRReS-Sc预测抑制细胞生长的潜在药物。每个单元格代表肿瘤细胞簇对药物的预测敏感性评分值I 根据Premnas预测LINCS L1000数据库中六种药物的最佳联合治疗方案的热图以杀死最多数量的细胞簇。
