| 查看: 47 | 回复: 0 | |||
[交流]
Nature Methods｜Pertpy：单细胞扰动分析的端到端框架
|
|
▍导读 2025年12月，Helmholtz Munich 计算生物学研究所与慕尼黑工业大学等团队在 Nature Methods 在线发表 pertpy，一个面向大规模扰动单细胞实验的 Python 模块化框架。它以 AnnData / MuData 统一单模态与多模态扰动读出，把细胞系、化合物等测量值与公共本体和数据库对齐，并把 mixscape、scCODA 2.0、DIALOGUE、Augur、CINEMA-OT 等方法实现为可组合模块，借助 JAX 并行与 GPU 加速提升运行效率。框架在 111,255 个 K562 细胞的组合 CRISPR 筛选、172 个细胞系的药物筛选与三阴性乳腺癌治疗数据上演示了从质控到下游推断的端到端流程，并实现 18 种以上距离度量与 Monte Carlo 置换检验，为扰动表征及未来生成式基础模型评测提供可调用的指标。 ▍研究背景 单细胞技术让研究者能在多种细胞系与组织上，测量遗传修饰、化学处理、物理干预、环境变化或疾病带来的细胞状态改变；这类扰动实验的数量、规模与复杂度正在快速上升。 以往方法多聚焦差异比较，或只针对多条件设定中的单一任务、从纯统计角度出发，且常常局限于 R 生态、维护困难。目前没有分析框架能同时扩展到全基因组尺度、用公共注释为数据补充上下文，并在不同工具间共用数据结构。 scverse 生态中面向适应性免疫受体数据的 scirpy、面向概率建模的 scvi-tools 等框架已证明，共享数据结构与可扩展的构建模块能高效支撑多模态分析；受此启发，作者为扰动数据开发了新的框架。 ▍研究方法 研究以「统一数据结构＋可扩展模块」为核心构建 pertpy，并以三类公开扰动数据集验证其端到端分析能力： - 统一数据接口：以 AnnData 或 MuData 作为单模态与多模态扰动读出的通用容器，框架提供 100 余个可组合、可互操作的分析函数，并按功能组织为模块。 - 元数据注释：把细胞系与扰动对照 Cell Line ontology、Drug ontology 等本体，并从 DepMap、GDSC、CMap、PubChem、ChEMBL 等数据库补充细胞系、作用机制与药物信息。 - 既有方法加速：对 mixscape、scCODA 2.0/tascCODA 2.0、Milo、DIALOGUE、Augur、CINEMA-OT 等方法做快速、可扩展的实现，借助 JAX 并行与 GPU 加速，使多项实现显著快于原版本。 - 多类下游分析：覆盖差异基因表达（PyDESeq2、edgeR、Wilcoxon、T 检验）、细胞组成变化、多细胞程序、扰动排名、因果扰动效应与基因集富集。 - 评测指标：实现 18 种以上扰动距离度量并配合 Monte-Carlo 置换检验，同时提供面向表达预测模型的评价指标。 - 三类用例验证：在组合 CRISPR 扰动（Perturb-seq）、化学扰动药物筛选与三阴性乳腺癌治疗三套公开数据上演示从质控到下游推断的完整流程。 ▍核心发现 1、提出 pertpy：面向大规模扰动实验的端到端分析框架 研究提出 pertpy，一个基于 Python 的模块化框架，专门用于组织、分析与可视化复杂的大规模扰动单细胞实验数据，作为 scverse 生态的一部分与既有单细胞分析工具互操作。 框架把扰动分析拆成清晰的两段：数据变换阶段先做质控、去除细胞周期与批次等混杂因素，并标注靶向细胞是否被成功扰动，再计算按表型分组的扰动空间；知识推断阶段则把得到的表征作为统计与机器学习模型的输入。 通过共享的基础设施与模块，作者把若干原本无人维护或只在 R 生态中可用的常用方法，与原方法作者一起重写为可加速、可扩展的版本，使这些方法能被更广泛的社区共同维护与持续开发。（图 1） 图 1 ·《pertpy 框架的模块构成》· 来源：Heumos et al., 2026, Nature Methods · 框架流程图 先看 (A) 的流程：来自遗传修饰、化学处理、物理干预、环境变化或疾病的单模态与多模态扰动数据，先与多个数据库的元数据整合，再在预处理中去除细胞周期、批次等混杂因素，并为靶向细胞标注扰动是否成功，进而计算扰动空间；再看 (B) 的下游分析分支，包括差异分析、响应预测、多细胞程序、扰动间距离与作用机制富集。 2、在组合 CRISPR 扰动中重建扰动空间并注释新基因程序 作者用 Norman 等人公开的组合 CRISPR 筛选数据演示扰动空间的构建，该数据包含 111,255 个 K562 细胞转录组、287 种单基因与基因对扰动。 预处理后，作者比较了三种策略：以每个扰动细胞的 20 个最近邻对照计算扰动签名并过滤未成功扰动细胞、以同一 GEM 批次的全部对照计算扰动签名并过滤，以及不做基于扰动签名的细胞过滤。三种策略得到的扰动空间相近；对这套 CRISPRa 数据，作者认为不做扰动签名过滤更合适。 随后用多层感知机判别器倒数第二层的特征把扰动投影到统一空间：效应相近的扰动自动聚集，既验证并细化了原有基因程序注释，也显示 TP73 更接近 G1 细胞周期扰动；作者还识别出一个此前未注释、与中性粒细胞脱颗粒通路下调相关的簇。（图 2） 图 2 ·《组合 CRISPR 扰动数据中的统一扰动空间》· 来源：Heumos et al., 2026, Nature Methods · UMAP 与扰动空间图 先看 (A)：预处理后的细胞按扰动状态、细胞周期阶段与 GEM 批次着色，用于检查主要技术和生物学因素。再看 (B) 的扰动空间：原有基因程序及细分簇在同一空间中展示，效应相近的扰动聚在一起；局部放大图显示作者对部分簇进行了重新解释，并识别出与中性粒细胞脱颗粒通路下调相关的未注释簇。 3、把药物筛选信号解卷积为活力依赖与非依赖两部分 作者用 McFarland 等人提出的 MIX-Seq 数据演示复杂药物筛选的分析，该数据把 172 个细胞系与 13 种药物处理放在同一次测序中，pertpy 用 Oncotree、CCLE、DepMap、GDSC、CMap 等数据库为细胞系与化合物补上组织来源、癌种、靶点与作用机制等注释。 比较细胞系的批量表达与公共数据集得到平均 Pearson 相关 0.88，说明数据与 DepMap CCLE 目录高度一致，也为整合其他筛选数据打下基础。 研究选择 BRAF 抑制剂 dabrafenib，用 pertpy 计算 95 个细胞系处理后的对数倍数变化，并通过含截距与斜率的线性回归，把每个基因的表达改变拆成活力非依赖与活力依赖两部分。ETV4、CDKN2D 和 MYEOV 等癌症进展相关基因的拟合参数显著变化；活力依赖基因富集于干扰素信号，而活力非依赖效应中蛋白质翻译相关通路上调。（图 3） 图 3 · 《药物筛选数据中活力相关响应信号解卷积》· 来源：Heumos et al., 2026, Nature Methods · 火山图与线性回归 先看 (A) 的数据集与元数据注释总览，再看 (B) 单细胞表达与公共细胞系表达图谱的比较：全体细胞系平均 Pearson 相关为 0.88。然后看 (C)(D) 火山图，横轴分别为线性模型的截距或斜率、纵轴为校正后的显著性，对应活力非依赖与活力依赖响应；(C) 下方给出 UBALD2 的示例回归和基因集富集结果，(D) 展示活力依赖响应及相关通路。 4、在 TNBC 治疗数据中解析多细胞程序与组成变化 作者使用一套包含 22 位晚期三阴性乳腺癌患者的公开数据。限定为肿瘤活检，并仅保留部分缓解或疾病稳定患者后，正式分析队列为 15 位患者，用于演示 pertpy 对多细胞组织尺度扰动效应的解析能力。 作者先用均方误差距离比较各治疗与响应组的表达谱差异，发现单用化疗的响应者在治疗前后具有更大的距离；这可能意味着联合治疗的响应较弱，或联合治疗患者本身预后较差。随后用 scCODA 2.0 检验细胞组成变化，只在化疗组检出若干 T 细胞亚群的可信变化。 随后，作者在 DIALOGUE 分析中设定 10 个多细胞程序。探索性分析显示，MCP2 在七种细胞类型中的平均得分可能与两种治疗的疗效相关；其相关基因涉及热激蛋白活动和细胞因子信号，HSPA1B 在所检验的多种细胞类型中升高。研究还讨论了 IL-7 与受体 IL7R 的相互作用，以及其可能通过影响 T 细胞行为和 AP-1 相关基因而与较差疗效相关。（图 4） 图 4 · 《TNBC 治疗数据中的复杂扰动效应》· 来源：Heumos et al., 2026, Nature Methods · 多面板组合图 先看 (A) 的实验设计，再看 (B) 中最终纳入的 15 位患者肿瘤组织单细胞数据。面板 (C) 展示各治疗与响应组之间的均方误差距离；面板 (D) 显示 scCODA 仅在化疗组的若干 T 细胞亚群中检出可信组成变化。最后看 (E)(F)：DIALOGUE 的探索性结果显示多个多细胞程序与疗效存在不同程度的关联，其中 MCP2 的配对图和密度分布提示其可能区分部分缓解与疾病稳定。 5、以距离度量与共享指标支持扰动分析和模型评测 作者把距离度量视为扰动分析的两大基础任务：一是刻画不同扰动之间相对异质性与响应强弱，二是为单细胞扰动模型的训练与评测提供基准。框架因此实现 18 种以上距离度量，既包含欧氏距离、E-distance、Wasserstein 距离等常用度量，也涵盖从均方误差、最大均值差异到对称 KL 散度等多种类型。 为让「距离」可用于判断扰动是否真的可区分，pertpy 的置换检验模块通过 Monte-Carlo 置换给出 p 值，从而为任意距离提供置信度；作者也提醒，这些量未必都严格满足数学上的距离公理，且排序是在单细胞转录组的语境下得到的。 面向表达预测模型，框架另外实现两项指标：一项用 Spearman 相关比较真实扰动与预测扰动的差异基因排序，另一项用核密度估计真实与预测数据的均值—方差二维分布并度量二者差异。作者预期，随着扰动图谱与生成式基础模型的发展，这些指标可用于评估其中的扰动分析任务。 ▍核心结论速览 - pertpy 是面向大规模扰动单细胞实验的端到端 Python 框架。 - 以 AnnData/MuData 统一数据，并整合多数据库元数据注释。 - 实现并加速 mixscape、scCODA、DIALOGUE 等方法。 - 在 CRISPR、药物筛选与 TNBC 三套数据上完成端到端验证。 - 提供 18 种以上距离度量与置换检验，可支持扰动模型评测。 ▍研究意义 科学价值：把长期分散在不同生态、维护困难的扰动分析方法整合进同一套共享数据结构与可组合模块，从质控、元数据注释到扰动空间与下游推断形成端到端流程，并以统一距离度量与置换检验让不同扰动、不同表征之间可以横向比较。 潜在应用价值：在三阴性乳腺癌与药物筛选等公开数据上，框架可定位与疗效相关的细胞组成变化、多细胞程序与候选生物标志物，为治疗响应和耐药机制研究提供可复用的分析路径；这些结果仍需独立数据和实验验证。 ▍局限与下一步方向 作者指出若干局限：DIALOGUE 的可扩展性受限，需要所有被分析的细胞类型都出现在每一位患者中，因此分析时把接受两种治疗的患者合并，并剔除了细胞类型多样性偏低的样本；TNBC 数据中 IL-7 信号与 AP-1 活性、T 细胞耗竭之间的关系仍属观察性推测，需要进一步实验验证；框架中被称为「距离」的指标并非都严格满足数学上的距离公理，且其性能排序是在单细胞转录组语境下得到的。作者还预期，随着空间转录组等多模态扰动数据增加，需要为多模态扰动开发专门方法，并希望 pertpy 未来能支持扰动图谱构建，为生成式基础模型中的扰动分析任务提供评估指标。 ▍FAQ Q：pertpy 与以往的扰动分析方法有何不同？ 以往方法常只针对单一任务、局限于 R 生态且维护困难；pertpy 用统一数据结构把元数据注释、扰动空间、差异分析与评测指标放进同一框架，能扩展到全基因组尺度，并与其他单细胞工具互操作。 Q：为什么要把扰动数据投影到「扰动空间」？ 细胞空间的每个点是一个细胞，而扰动空间的每个点代表一种扰动，用一层嵌入概括该扰动对细胞的整体影响；这样效应相近的扰动会聚在一起，便于比较与排序，并可作为下游统计与机器学习模型的输入。 Q：pertpy 实现的距离度量能做什么？ 它提供 18 种以上距离度量，用于量化不同扰动条件下细胞表达模式的差异，并可经 Monte-Carlo 置换检验给出置信度，既能比较扰动强弱，也能作为训练与评测扰动预测模型的基准。 Q：这套框架对生成式基础模型有什么用？ 作者预期，统一采集的扰动数据可用于建立扰动图谱，而 pertpy 的距离度量能评估这些扰动空间；当扰动分析成为生成式基础模型的重要任务时，这些指标可作为评估其输出的工具。 ▍君录视角 · 虚拟细胞 解决的问题：扰动单细胞实验的数量、规模与复杂度快速上升，但以往方法多只面向单一任务、从纯统计角度出发，分散在不同生态中且维护困难；细胞系与扰动信息又散落在多个数据库，分析者往往需要分别下载再拼装互不兼容的工具。pertpy 用统一的数据结构与可组合模块，把质控、元数据注释、扰动空间计算与下游推断串成一条端到端流程，并给出共享的距离度量与置换检验，让扰动表征与预测模型的结果可以横向比较、彼此复核。 集成判断：该框架的增量不在单个算法，而在「统一容器＋可插拔模块＋共享评测指标」这一组合——AnnData / MuData 承载数据，元数据把测量值与公共注释连起来，mixscape、scCODA、DIALOGUE 等方法被重写为可加速、可互操作的构件，评测指标则同时服务于扰动比较与模型训练。对虚拟细胞方向而言，这种把数据、表征与评测收进同一层设计的做法，正是让扰动推演从一次性脚本变为可复用基础设施的关键一步。 ▍原文信息 Heumos L, Ji Y, May L, et al. Pertpy: an end-to-end framework for perturbation analysis. Nature Methods. 2026;23:350–359. doi:10.1038/s41592-025-02909-7 ▍关于我们 君录生物 · 以数据驱动创新药早期开发 自建单细胞数据库HeCellAstra＋对话式生信分析平台 IntelliCytoPilot 做靶点发现与药物管线早期资产 合作 · 投资 · 学术交流     |
回复此楼» 猜你喜欢
恩诺沙星（Enrofloxacin）科研解析：分子特征、LC-MS/MS 检测与实验室使用要点
已经有0人回复
-
Calderasib理化性质与实验操作技术笔记
已经有0人回复
-
化学工程及工业化学论文润色/翻译怎么收费?
已经有102人回复
-
RMC-6291怎么用？RAS(ON) 三重复合物工具化合物的实验室实操要点
已经有0人回复
-
苯并呋咱全解析：NBD 荧光衍生化试剂母核的化学特性与实验室应用
已经有0人回复
-
生物质炭与活化剂氢氧化钾混合注意事项
已经有0人回复
-
科研人必读：新一代 KRAS G12C 抑制剂 Olomorasib 的研究进展
已经有0人回复
-
BT-11（Omilancor）研究化合物全解析：从分子结构到实验应用要点
已经有0人回复
-
富马酸贝达喹啉：二芳基喹啉类工具化合物的化学特征
已经有0人回复
-
BT投稿with editor状态快两周了，正常吗
已经有25人回复
-
Silevertinib（BDTX-1535）结构拆解：炔基双环片段为何成为合成瓶颈
已经有0人回复
