文章標(biāo)題：Inferring pattern-driving intercellular flows from single-cell and spatial transcriptomics
期刊：nature methods
影響因子：36.1

文章摘要：從單細(xì)胞 RNA 測序（scRNA-seq）和空間轉(zhuǎn)錄組學(xué)（ST）中，我們可以提取出高維基因表達(dá)模式，這些模式可以用細(xì)胞間通信網(wǎng)絡(luò)或解耦基因模塊來描述。這兩種信息流描述通常被認(rèn)為是獨(dú)立發(fā)生的。然而，細(xì)胞間通信會驅(qū)動由細(xì)胞內(nèi)基因模塊介導(dǎo)的定向信息流，進(jìn)而觸發(fā)其他信號的流出。目前還缺乏描述這種細(xì)胞間信息流的方法。我們介紹的 FlowSig 是一種利用圖形因果建模和條件獨(dú)立性從 scRNA-seq 或 ST 數(shù)據(jù)中推斷通訊驅(qū)動的細(xì)胞間信息流的方法。我們使用新生成的皮質(zhì)類器官實(shí)驗(yàn)數(shù)據(jù)和數(shù)學(xué)建模生成的合成數(shù)據(jù)對 FlowSig 進(jìn)行了基準(zhǔn)測試。我們通過將 FlowSig 應(yīng)用于各種研究來證明它的實(shí)用性，結(jié)果表明 FlowSig 可以捕捉刺激誘導(dǎo)的胰島旁分泌信號的變化，證明 COVID-19 嚴(yán)重程度增加導(dǎo)致的細(xì)胞間流的變化，以及重建小鼠胚胎發(fā)生中形態(tài)發(fā)生驅(qū)動的激活劑-抑制劑模式。
 

2 高分文獻(xiàn)二：人骨肉瘤單細(xì)胞及空間分辨率圖譜

文章標(biāo)題：A single-cell and spatially resolved atlas of human osteosarcomas
期刊：Journal of Hematology & Oncology
影響因子：29.5

文章摘要：骨肉瘤是一個(gè)錯(cuò)綜復(fù)雜的細(xì)胞生態(tài)系統(tǒng)，其中異型相互作用對疾病進(jìn)展和治療效果有著重要影響。盡管骨肉瘤非常重要，但人們對其細(xì)胞組成和組織結(jié)構(gòu)的詳細(xì)了解卻仍是空白。在本研究中，我們對人類骨肉瘤進(jìn)行了全面的單細(xì)胞和空間轉(zhuǎn)錄組學(xué)分析。我們構(gòu)建了細(xì)胞元圖譜來剖析空間轉(zhuǎn)錄組數(shù)據(jù)，揭示了骨肉瘤組成亞群的詳細(xì)圖譜。我們細(xì)致地描述了每個(gè)亞群的獨(dú)特基因特征和功能狀態(tài)，并研究了化療對這些細(xì)胞亞群的影響。此外，我們的空間轉(zhuǎn)錄組學(xué)分析還發(fā)現(xiàn)了一個(gè)獨(dú)特的空間生態(tài)位，它位于腫瘤壞死區(qū)的最前沿，可能與化療耐藥性有關(guān)。還深入研究了不同細(xì)胞亞群之間的相互影響。這項(xiàng)研究為骨肉瘤的細(xì)胞結(jié)構(gòu)提供了一個(gè)全面的轉(zhuǎn)錄圖譜，豐富了對其復(fù)雜性的理解，并為更有針對性的治療方法奠定了基礎(chǔ)。
 

3 高分文獻(xiàn)三：肝癌的單細(xì)胞腫瘤異質(zhì)性：揭示轉(zhuǎn)移前亞型及其與成纖維細(xì)胞的相互作用

文章標(biāo)題：Single-cell tumor heterogeneity landscape of hepatocellular carcinoma: unraveling the pro-metastatic subtype and its interaction loop with fibroblasts
期刊：Molecular Cancer
影響因子：27.7

文章摘要：腫瘤的異質(zhì)性對于理解驅(qū)動腫瘤進(jìn)展和轉(zhuǎn)移的機(jī)制是一個(gè)巨大的挑戰(zhàn)。肝細(xì)胞癌（HCC）在細(xì)胞水平上的異質(zhì)性尚不清楚。作者通過整合52個(gè)單細(xì)胞RNA測序數(shù)據(jù)和5個(gè)空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)，建立了HCC惡性細(xì)胞的異質(zhì)性圖譜。在腫瘤細(xì)胞中發(fā)現(xiàn)了三種亞型，包括 ARG1+代謝亞型（Metab-subtype）、TOP2A+增殖表型（Prol-phenotype）和 S100A6+轉(zhuǎn)移亞型（EMT-subtype）。富集分析發(fā)現(xiàn)，這三種亞型具有不同的特征，即新陳代謝、增殖和上皮-間質(zhì)轉(zhuǎn)化。軌跡分析顯示，Metab亞型和EMT亞型都起源于Prol表型。轉(zhuǎn)錄因子分析發(fā)現(xiàn)，EMT亞型顯示出SMAD3和TGF-β信號通路的獨(dú)家激活。以 EMT 亞型細(xì)胞為主的 HCC 預(yù)后不良。EMT-亞型腫瘤細(xì)胞可通過分泌 SPP1 招募纖維細(xì)胞，從而形成有利于腫瘤侵襲轉(zhuǎn)移的腫瘤微環(huán)境。總之，作者的研究為HCC的腫瘤異質(zhì)性提供了先前未知的見解，并確定了轉(zhuǎn)移的潛在靶點(diǎn)。
 

 

 4 高分文獻(xiàn)四：結(jié)合圖注意力網(wǎng)絡(luò)和子圖技術(shù)，在單細(xì)胞分辨率上推斷空間細(xì)胞-細(xì)胞通訊

文章標(biāo)題：Deciphering cell–cell communication at single-cell resolution for spatial
transcriptomics with subgraph-based graph attention network
期刊：Nature Communications
影響因子：14.7

文章摘要：細(xì)胞-細(xì)胞通訊（CCC）的推斷對于更好地理解生物系統(tǒng)中復(fù)雜的細(xì)胞動力學(xué)和調(diào)控機(jī)制至關(guān)重要。然而，在單細(xì)胞分辨率下準(zhǔn)確推斷空間細(xì)胞通訊仍是一項(xiàng)重大挑戰(zhàn)。為了解決這個(gè)問題，我們提出了一種名為 DeepTalk 的多功能方法，通過整合單細(xì)胞 RNA 測序（scRNA-seq）數(shù)據(jù)和空間轉(zhuǎn)錄組學(xué)（ST）數(shù)據(jù)，以單細(xì)胞分辨率推斷空間 CCC。DeepTalk利用圖注意網(wǎng)絡(luò)（GAT）整合scRNA-seq和ST數(shù)據(jù)，從而實(shí)現(xiàn)單細(xì)胞ST數(shù)據(jù)的精確細(xì)胞類型鑒定和基于斑點(diǎn)的ST數(shù)據(jù)的去卷積。然后，DeepTalk 利用基于子圖的 GAT 捕獲多層次的細(xì)胞間聯(lián)系，進(jìn)一步實(shí)現(xiàn)單細(xì)胞分辨率的空間分辨 CCC 推斷。DeepTalk 在多個(gè)跨平臺數(shù)據(jù)集上發(fā)現(xiàn)有意義的空間 CCC 方面表現(xiàn)出色，這證明了它在錯(cuò)綜復(fù)雜的生物過程中剖析細(xì)胞行為的卓越能力。
 

5 高分文獻(xiàn)五：METI：通過整合細(xì)胞形態(tài)學(xué)和空間轉(zhuǎn)錄組學(xué)深入分析腫瘤生態(tài)系統(tǒng)