大家好，今天我们来给大家介绍一款单细胞转录组细胞通讯分析的软件，NicheNet。目前该软件已经在单细胞转录组数据分析中得以广泛应用，自 2020 年出版以来已被引用超过 300 次。与其他常见细胞通讯分析软件（如CellphoneDB等）不同的是，NicheNet 在其分析单细胞转录组数据时，首先构建了细胞内配体、受体、信号蛋白、转录调控因子和靶基因互作信号网络先验知识数据库，然后基于该数据库，通过基因表达模式的强相关性，最终确定了细胞类型之间的潜在通讯，并且能够有效地预测配体活性。
下面我们将从原理简介、应用示例、常见问题等三个方面来介绍NicheNet软件的使用，希望对大家有所帮助。
原理简介
NicheNet是一种模拟细胞间相互作用如何影响细胞基因表达的计算方法。真实的细胞通讯过程是配体-受体-信号蛋白-转录调控因子-靶基因， 因此仅仅分析配受体之间的相互作用存在一定的局限性。该方法的创新之处在于通过结合细胞表达数据、信号、基因调控网络的先验知识，来预测相互作用的细胞之间的配体-靶基因的连接情况。目前NicheNet可以处理人或者小鼠数据，以人类或小鼠的基因表达数据作为输入，并将其与通过整合配体到目标信号路径构建的先验模型进行结合。
NicheNet分析中依赖的先验模型，主要是为了表征现有知识对配体可以调节目标基因表达的支持程度，为了计算这种配体-靶标调节潜力， NicheNet的先验模型中不仅包括配体-受体的相互作用信息，还包括了细胞内信号传导信息。因此，NicheNet除了预测哪些配体影响另一个细胞的基因表达外，还可以预测哪些靶基因受到这些配体的影响，以及哪些信号介质可能参与其中。
图1 | NicheNet软件工作原理
首先，NicheNet收集涵盖配体-受体（例如，KEGG数据库）、细胞信号转导（例如，蛋白质-蛋白质相互作用和激酶-底物相互作用）、基因调控相互作用（例如，基于ChIP数据和motif的推断）的公共数据信息；然后，将这些独立的数据信息整合到两个加权网络中：（1）配体信号网络，其中包含蛋白质 - 蛋白质相互作用，涵盖从配体到下游转录调节因子的信号通路；（2) 基因调控网络，其中包含转录调控因子和靶基因之间的基因调控相互作用。
为了让信息数据源对最终模型做出更多贡献，该软件在集成过程中对每个数据源进行了加权，这些数据源权重是通过基于模型的参数优化自动确定的，以提高配体-目标预测的准确性。
最后，NicheNet结合配体信号传导和基因调控网络来计算所有配体和靶基因对之间的调控潜力评分：如果靶基因的调节因子位于配体信号网络的下游，则配体-靶标对具有高调节潜力。为了计算这一评分，该方法在整合的网络上使用网络传播方法来传播来自配体的信号，从配体开始，流经受体、信号蛋白、转录调节因子，最终在目标基因处结束。
应用示例
目前NicheNet在肿瘤微环境研究方面应用较多， 在最近发表的一篇关于转移性卵巢肿癌化疗耐药性研究的文章中， 作者利用NicheNet软件来探索压力相关的癌细胞与炎症性癌症相关的成纤维细胞（iCAF）之间的细胞间相互作用。首先统计了两组差异基因集：CAF2( iCAF )-vs-(CAF-1&CAF-3), 压力相关癌细胞-vs-其他癌细胞；然后选取两组差异基因集中前200个上调基因，作为感兴趣的基因集，分别对压力相关癌细胞以及CAF-2，执行 NicheNet 配体活性分析，获取排名靠前潜在的配体以及对应的配体-受体、配体-靶基因相互作用信息。
如图2所示，细胞通讯分析结果显示来自高应激癌细胞的TNF及其下游效应物IL6具有很强的调节潜力，可诱导 CAF 的炎症表型 。这表明在经过术前化疗的卵巢癌中，TNF/IL6驱动 iCAF 表型而不是IL1B（先前研究表明IL1B 在促进胰腺癌 iCAF 表型中起主导作用）。作为响应，iCAF 会产生大量具有丰富调节潜力的配体，以激活癌细胞内的应激相关信号，包括IL6和TNF，以促进旁分泌前馈循环（如图3所示）。
图2 | 通过热图和点图组合展示压力相关癌细胞诱导 CAF 的炎症表型（CAF-2）的配体的活性（左）、 表达情况（中）和调节靶基因的潜力（右）
图3 | 通过热图和点图组合展示 CAF-2细胞中驱动压力相关癌细胞出现应激反应的配体的活性（左）、 表达情况（中）和调节靶基因的潜力（右）
总之，通过分析发现压力相关的癌细胞与 TME 内 iCAF 的存在以及巨噬细胞和 CD8+ T细胞向免疫受损状态的转变密切相关。压力相关的癌细胞和 iCAF 表达的促炎信号分子有可能促进旁分泌前馈循环，从而进一步诱导这些细胞状态。尤其是当化疗与免疫疗法相结合时，其中来自 iCAF 和压力相关癌细胞的配体可能会限制化疗诱导的抗肿瘤免疫反应增强。通过对压力相关癌细胞的研究，将细胞状态的亚克隆富集与前馈、免疫抑制性旁分泌信号融合在一起，并为新型组合治疗提供了生物标志物和靶点。
常见问题
最后，我们就NicheNet软件使用条件及分析中常见的一些问题，进行简单的汇总介绍，希望对大家有所帮助。
1.什么情况下可以使用NicheNet进行细胞通讯分析？
NicheNet 可以用于研究配体如何影响假定相邻或者相互作用的细胞群中的基因表达情况，并根据其作用对最重要的配体进行优先排序。需要提供不同条件或者状态下，接受信号的细胞群（receiver cell）中的差异基因列表，通常认为这些基因的差异表达是发送信号细胞群中的配体导致的 。因此，可以是同一类型细胞在不同条件下的差异表达基因，也可以是两种细胞类型之间的差异表达基因，例如，如果它们是祖细胞和分化细胞类型，其中分化受微环境的影响。
2.如果没有相应的条件或者状态来对细胞群进行区分， 只有稳态数据，是否可以采用NicheNet来进行分析？
如果只对稳态条件下的配体 - 受体相互作用感兴趣（并且只有稳态条件数据），可以采用CellphoneDB 等其他一些工具来实现， 不建议将NicheNet应用于稳态数据，主要是由于不存在一组明确地受细胞间通讯过程影响的基因，从而可能导致错误地将配体与一些“细胞内在”基因进行关联。
3.是否可以将通过 FindMarkers 函数找到的 Seurat 聚类标记基因作为感兴趣的基因集?
一般情况下不建议使用， 如果使用接受信号的细胞群（receiver cell）簇的标记基因作为感兴趣的基因集，默认假设簇特异性基因是由细胞与其他细胞类型的细胞相互作用诱导的。然而， 在大多数情况下，许多簇特异性基因反映了细胞类型特异性基因表达程序，它是“细胞内在”基因表达程序的一部分，并不完全受环境因素的影响。或者换句话说，簇标记的大多数基因可能并没有真正被来自相互作用细胞的配体诱导/调节，因此在这个基因集上使用 NicheNet 并不理想。
在这种情况下使用 NicheNet 将增加将配体错误连接到某些“细胞内在”基因的机会。有一个例外情况，那就是如果研究的是 2 个细胞类型相同的簇，但一个簇在组织中的位置不同，因此具有不同的细胞外影响，那么这些簇之间的 差异基因并不反映细胞类型的差异，而是影响细胞间相互作用的差异细胞类型。在这种情况下，可以使用 NicheNet。例如，一个祖细胞簇在细胞间相互作用的影响下分化成另一个细胞簇，这种情况下可以在该分化细胞群的特定簇基因上使用 NicheNet，以检查细胞间相互作用对该分化过程的影响。
今天关于NicheNet的介绍就到这里了，
长按扫码
咨询欧易生物技术工程师
原创声明：本文由欧易生物(OEBIOTECH)学术团队报道，本文著作权归文章作者所有。欢迎个人转发及分享，未经作者的允许禁止转载。
