细胞-细胞相互作用（CCIs）是多细胞生物体内细胞间进行信息交流和协同工作的基础机制。在生理过程中，细胞通过各种分子信号相互沟通，以协调组织和器官的发育、维持稳态以及应对外界刺激。在疾病发生和发展过程中，细胞间的相互作用也常常发生异常改变，因此深入理解CCIs对于揭示疾病的发病机制以及开发有效的治疗策略至关重要。

• 细胞间相互作用的重要性：

• 细胞间相互作用（CCIs）是多细胞生命的基石，允许细胞存在于群体中并执行集体功能。
• 对理解组织生理、疾病和发育等方面的分子机制至关重要。

• 转录组学为推断CCIs提供了丰富信息，加速了细胞在其群落中作用的发现。

细胞间相互作用研究的方法学进展

• 计算工具的核心方法：

• 基于配体和受体的表达，通过核心评分函数推断CCIs，如CellPhoneDB和CellChat等工具。

• 核心方法包括对基因表达矩阵进行过滤，聚合基因表达水平，评估候选配体 - 受体相互作用（LRIs），计算通信得分等步骤。

• 实验验证方法：

• 传统实验方法如荧光原位杂交、荧光共振能量转移和免疫染色等用于验证CCI预测，但通量较低，且局限于研究特定的相互作用伙伴。
• 新一代高通量实验技术可同时跟踪大量相互作用，包括基于测序技术、邻近标记和合成电路等方法。

用于推断细胞间相互作用的计算工具的系统发育树

• 更精细：单细胞分辨率的洞察：

• 方法：
  ① 一些工具可在单细胞分辨率下推断CCIs，避免了细胞聚类平均表达的局限性。例如NICHES、Scriabin等工具利用核心工具的方法直接从单细胞对计算LRIs。

  ② SPRUCE和DeepCOLOR等工具将单个细胞的基因表达投影到潜在空间来推断单细胞对之间的CCIs。  

• 优势：能够揭示细胞间相互作用的异质性，包括细胞组间和组内的异质性。更好地定义细胞类型亚群，例如NICHES可揭示使用不同分子机制的细胞类型亚群。

• 挑战：
  ① 处理数据稀疏性，可使用去噪算法，一些工具使用零保留通信得分。
  ② 处理大规模数据集的计算需求，如NICHES通过子采样细胞减少计算需求，但会降低统计能力；Scriabin可通过优先考虑感兴趣的细胞对或总结为交互潜力网络来减少计算内存需求。

下一代计算工具执行的新特征和分析

• 更局部化：细胞的空间定位：

• 方法：
  ① 考虑细胞的空间位置对CCIs的影响，包括空间转录组学相关工具。例如Giotto和Squidpy等工具帮助用户可视化空间数据并进行分析，同时为CCI推断提供信息。
  ② 更专门的空间CCI推断工具，如SVCA和SpaOTsc等分别考虑单个基因和单细胞相互作用，一些工具直接纳入细胞间距离来约束分析或权衡通信得分。

  ③ 还有工具如DeepLinc和spaCI利用深度学习探索空间特性，通过考虑基因表达和细胞图输入或使用编码器生成潜在特征来推断CCIs。

• 优势：更清晰地解读复杂组织中的生物通讯，例如在肝脏细胞研究中观察到空间分工。  

• 应用：例如在肝脏细胞研究中观察到空间分工。一些工具通过考虑空间信息，能够更好地识别组织中不同区域的细胞间相互作用特征。

• 更深入：细胞内活动的探究：

• 方法：考虑非蛋白质配体和细胞内信号通路。例如MEBOCOST工具可分析代谢物配体相关的CCIs，通过纳入代谢物 - 受体和代谢物 - 运输相互作用的数据库来实现。一些工具还考虑转录因子及其下游靶点，如LRLoop利用网络传播算法和细胞内基因调控网络来优先考虑形成细胞间反馈回路的LRIs。  

• 优势：拓宽了CCI工具的能力，能够更全面地了解细胞间相互作用涉及的分子机制。  

• 应用如研究巨噬细胞介导的代谢调节，发现epsins在巨噬细胞摄取脂质中的作用。

• 更广泛：多条件的考虑：

• 方法：
  ① 多种方法可用于比较不同样本或条件下的CCIs。包括成对比较工具，如Connectome、CellChat等通过对样本进行成对比较来寻找差异CCIs。
  ② 降维方法，如sciTD、DIALOGUE和MOFAcell等使用基因表达值通过分解方法推断多细胞程序，从而提取CCIs的变化。

  ③ Tensor - cell2cell应用张量分解直接对CCI得分进行计算，找到与条件相关的CCI程序。  

• 优势：能够揭示不同条件下CCIs的变化，例如研究衰老对伤口愈合过程中CCIs的影响。  

• 应用：例如研究衰老对伤口愈合过程中CCIs的影响，发现衰老通过生长因子、趋化因子和细胞因子途径影响CCIs，导致成纤维细胞信号失调，影响伤口愈合。

• 其他特征：

• 用户友好的交互界面：如InterCellar、Cellinker等工具提供了简单的图形用户界面，便于用户处理输入和部署可视化，促进CCI分析的各个步骤。  

• 工具的基准测试和综合利用：
  ① LIANA等工具可对多种工具进行基准测试，揭示方法之间的低重叠性，并包括共识预测以提供更可靠的结果。

  ② 一些工具通过模拟可能的CCIs宇宙来寻找显著结果，还有工具利用数据驱动模型同时评估多个LRIs并推断CCIs。

• 基于测序技术的分析：

• 方法：
  ① 利用核酸条形码或液滴技术。例如MAPseq使用病毒颗粒引入RNA条形码来追踪单个神经元投射；BRICseq和RABID - seq在此基础上进行扩展，分别用于研究跨多个组织区域和单细胞分辨率下的CCIs。
  ② 液滴技术如ProximID和PIC - seq通过识别细胞的多重体来确定CCIs，需要概率算法对基因表达谱进行解卷积。  

  ③ SPEAC - seq通过将细胞对封装在液滴中，可筛选发送细胞中的遗传扰动并量化接收细胞中的响应。  

• 优势：可在单细胞分辨率下测量细胞间的接触和相互作用，能够识别独特的发送 - 接收细胞接触。  

• 应用：例如在神经科学研究中追踪神经元投射，在肺发育过程中研究细胞间相互作用和差异调节基因。

通过测序技术分析细胞间相互作用

• 细胞间相互作用的邻近标记：

• 方法：
  ① 包括接触依赖性和接触独立性标记方法。接触依赖性方法如LIPSTIC通过酶催化将探针结合到受体上标记LRIs；EXCELL通过改造酶可同时标记多个细胞类型；FucoID利用化学酶功能化增加通量并区分强弱CCIs；uLIPSTIC克服了研究单个LRIs的限制。
  ② 接触独立性方法如TransitID利用两种正交的邻近标记酶追踪蛋白质运输，可识别超出直接细胞接触的CCIs；还有利用光控制化合物活性的方法如PhoTag和μMap，可避免使用有毒化合物并研究特定的LRIs。  
• 优势：可研究细胞间界面的微环境和分子存在，能够标记细胞间相互作用并揭示相关分子机制。
• 应用：例如研究免疫细胞突触，区分T细胞亚群与Raji细胞的相互作用，以及研究蛋白质在细胞内和细胞间的运输。

• 合成电路用于跟踪细胞间相互作用和细胞内活动：

• 方法：    
  ① 利用合成受体和通路传感器。例如SynNotch可标记直接细胞 - 细胞接触，评估胚胎发育等过程；SyNPL系统可跟踪和操纵发送 - 接收细胞相互作用。
  ② 通过在细胞内通路中构建合成电路，可研究下游细胞内活动，如信号转导。
• 优势：可定制细胞对信号的感知和响应，研究细胞间接触和细胞内活动，能够揭示细胞间相互作用对接收细胞的影响。  

• 应用：例如研究胚胎发育过程中的细胞迁移，以及评估SARS - CoV - 2蛋白对信号通路的调节作用。

4. 挑战和机遇：

• 样本匹配和数据插补：不同样本细胞数量不同，影响CCI比较，需要数据插补方法。例如DURIAN工具可对单细胞数据进行基因表达插补和将批量数据解卷积到单细胞水平。

• LRI数据库的构建：构健全面的LRI数据库对研究CCIs至关重要，需考虑配体和受体变体及其相互作用。目前构建生物学上全面的数据库仍未完全解决，限制了工具推断CCIs的性能。

• 工具的假阳性率：有限的真实数据导致工具假阳性率高，需要生成金标准数据集进行基准测试。虽然有一些尝试构建参考数据，但存在多种工具导致的多种基准测试场景，难以全面评估工具性能。

• 细胞膜定位的研究：当前计算工具对配体和受体的膜亚定位研究有限，需要开发新算法来考虑膜蛋白相互作用的生物物理特征，以更好地理解细胞间相互作用。

• 实验方法的局限性：实验方法在测量细胞接触、多个LRIs和细胞对以及原位测量等方面存在挑战，限制了对计算工具输出的验证。需要进一步发展技术来克服这些局限性。

增强细胞间相互作用研究方法的挑战和机遇

• 计算工具和实验方法在研究CCIs方面都取得了显著进展，两者具有互补性和协同作用。
• 未来需要进一步解决相关挑战，包括样本匹配、数据库构建、工具性能评估和细胞膜定位研究等，以加深对CCIs的理解。