NCB背靠背 | 江龙达/李炜/Rahul Satija推出新计算方法分析单细胞扰动，揭示细胞对扰动的不同响应机制

在功能基因组学和单细胞技术迅速发展的今天，理解细胞对扰动 （Perturbation） 的响应如何在单细胞层面产生差异，以及背后的分子机制成为了生物学和医学研究的关键问题。2025年2月26日，New York Genome Center的Rahul Satija团队和美国Children’s National Hospital 的李炜团队在Nature Cell Biology背靠背发表的两篇研究论文 （一作：江龙达，Carol Dalgarno, Bicna Song） ，分别开发了全新的单细胞扰动测序实验和分析方法, 为破解基因组调控网络和通过扰动响应寻找新的生物学知识提供了强大工具。

单细胞扰动筛选揭示分子通路特征的系统重建

Rahul Satija团队发表了题为“Systematic reconstruction of molecular pathway signatures using scalable single-cell perturbation screens”的研究。该研究通过结合Perturb-seq技术和新型组合索引（combinatorial indexing）测序平台，系统地识别了多种生物背景下信号调控因子的靶基因及其特征基因，并开发了名为Mixscale的新型计算框架，用于量化单细胞水平的扰动效应的异质性。

研究团队在六种不同来源的癌细胞系中进行了大规模Perturb-seq实验，并通过五种不同的细胞因子刺激模拟了多种信号通路环境。为了应对大规模实验的挑战，研究团队采用了Parse Biosciences的组合索引技术和Ultima Genomics的最新测序平台，成功测序了超过260万个细胞（图一）。Mixscale框架通过连续标量值反映每个细胞的扰动效应，显著提高了差异表达基因 （DEG） 识别的准确性，并能够更好地捕捉细胞间的异质性。

研究团队通过对1,596个扰动实验的分析，揭示了信号通路调控因子的保守性和上下文特异性。例如，干扰素-γ （IFNγ） 通路的上游调控因子在多种细胞系中表现出高度重叠的下游靶基因，而胰岛素和TGFβ信号通路则显示出明显的细胞类型特异性。通过MultiCCA分解方法，研究团队识别了31个保守的特征基因程序 （pathway gene programs） ，这些程序在不同细胞系和刺激条件下表现出高度一致性。

此外，研究团队还将这些扰动特征应用于外部数据集，验证了其在推断信号通路活性方面的准确性。例如，在SARS-CoV-2感染的免疫细胞单细胞数据中，研究团队成功区分了I型和II型干扰素信号通路的激活情况，并发现I型干扰素 （IFNβ） 在免疫细胞响应中起主导作用。

解码单细胞扰动响应的异质性

与此同时，李炜团队联合多个学术机构和制药公司发表了题为“Decoding Heterogeneous Single-cell Perturbation Responses”的研究，提出了一种新的计算方法——扰动响应评分（Perturbation-Response Score, PS），用于量化单细胞水平的扰动响应强度，并揭示扰动响应的生物学决定因素。

PS设计了一种全新的算法：约束二次优化 (constrained quadratic optimization) ，能够在不需要滴定扰动强度的情况下，实现大规模、单细胞分辨率的剂量分析。研究团队将PS应用于大规模遗传扰动数据集，发现其在量化部分基因扰动响应方面优于现有方法。同时，李炜团队和Myllia Biotechnology合作，生成了全基因组级别的Perturb-seq数据 （超过50万个单细胞） ，系统性研究扰动每一个人类基因组里的蛋白质编码基因对T细胞的刺激的影响，并通过对2,000多个必需基因的剂量响应模式进行分析，识别出两种不同的模式，取决于其表达的减少是否会引起下游基因表达的强烈变化。这种系统性的分析模式对新药物靶点的研发具有重要的指导意义。

此外，PS还能够识别扰动响应的内在和外在生物学决定因素。研究团队在T细胞刺激、潜伏HIV-1表达和胰腺细胞分化等背景下生成了多种单细胞扰动数据集 （例如Perturb-seq和gene KO scRNA-seq） ，并在这些数据集中验证了PS在揭示关键基因在不同的生物问题的应用。值得注意的是，PS揭示了CCDC6基因的一个新功能：决定干细胞向肝脏或者胰腺谱系的分化方向。这个新功能表明CCDC6敲除会驱动内胚层细胞向肝脏谱系分化，而非胰腺谱系，而在后续的验证实验中也确认了这一点。

综上，这两项研究从不同角度揭示了单细胞扰动响应的异质性机制，并为解码细胞状态和信号通路提供了新的工具和见解。Mixscale框架通过量化单细胞水平的扰动效应，显著提高了差异表达基因识别的准确性，而PS则通过剂量分析和生物学决定因素的识别，为理解细胞对扰动的异质性响应提供了新的视角。随着单细胞技术的不断发展，类似的扰动特征数据库和计算方法将成为解析复杂生物系统的关键，也为后续研究理解疾病机制和开发靶向疗法提供了重要的理论支持。

纽约大学与纽约基因组中心的Rahul Satija教授为Mixscale文章的通讯作者，实验室成员Longda Jiang （江龙达） 与Carol Dalgarno为文章的共同第一作者。美国国家儿童医院的Wei Li （李炜） 教授为PS文章的通讯作者，实验室成员Bicna Song为文章的第一作者。

李炜实验室即将于2025年4月搬到马里兰大学医学院，Institute for Health Computing (IHC, https://www.ihc.umd.edu) ，坐落在马里兰州的North Bethesda，气候适宜，交通方便，科研环境优越。李炜实验室现招聘博士后，在基因编辑/AI/算法/人类疾病的多个交叉方向展开探索。感兴趣的小伙伴可以直接联系PI。详情可参考实验室网站https://weililab.org。

https://www.nature.com/articles/s41556-025-01626-9

https://doi.org/10.1038/s41556-025-01622-z

制版人：十一

参考文献

1. Jiang, L., Dalgarno, C., ... & Satija, R. (2025). Systematic reconstruction of molecular pathway signatures using scalable single-cell perturbation screens.Nature Cell Biology2025.

2. Song, B., … & Li, W. (2025). Decoding Heterogeneous Single-cell Perturbation Responses.Nature Cell Biology2025.

BioART战略合作伙伴

（*排名不分先后）

BioART友情合作伙伴

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

会议资讯

近期直播推荐