Skip to content

Dimitrov, Daniel; Schäfer, Philipp Sven Lars; Farr, Elias et al. · 2024 · Nature Cell Biology

Metadata

Authors: Dimitrov, Daniel; Schäfer, Philipp Sven Lars; Farr, Elias; Rodriguez-Mier, Pablo; Lobentanzer, Sebastian; Badia-i-Mompel, Pau; Dugourd, Aurelien; Tanevski, Jovan; Ramirez Flores, Ricardo Omar; Saez-Rodriguez, Julio

DOI: 10.1038/s41556-024-01469-w

Tags: #single-cell-CCC #spatial-transcriptomics #multi-omics

📄 Quick Note

摘要概述

LIANA+ 是一个统一的细胞间通讯（cell–cell communication, CCC）推断框架，整合了八种配体-受体方法、多视角空间建模、八种局部度量指标，以及基于假设驱动（PyDESeq2）和假设无关（NMF / Tensor-cell2cell）的多条件差异分析策略。框架以 OmniPath / BioCypher 知识库为底座，扩展到代谢物介导的通讯和多组学数据（如空间代谢组+转录组）。作者用帕金森病小鼠模型的空间代谢组-转录组数据演示：在完整半球中，多巴胺与 D2R、MSN1/2 细胞型的关联被清晰识别，而损伤半球因多巴胺缺失解释方差骤降（R²≈0）。LIANA+ 还提供从胞外配体-受体到胞内信号通路的因果子网络搜索（sign-coherent network optimization），是 scverse 生态中面向 CCC 的一站式工具。

关键图表

  • Fig. 1 — LIANA+ 框架总览：五个协同组件，(a) 单细胞配体-受体方法+consensus、(b) 空间全局多视角学习+局部度量、(c) 多条件差异分析（假设驱动 vs 假设无关）、(d) 胞外-胞内信号连接的因果子网络、(e) OmniPath/BioCypher 知识库。一句话：整个图把"方法整合"这件事讲得非常清楚，是理解框架定位的最佳入口。
  • Fig. 3 — 帕金森病案例研究：空间多组学下 dopamine 与 D2R、MSN1/2 的全局关联与局部定位，完整半球有信号、损伤半球消失，展示空间多模态 CCC 的端到端流程。
  • Fig. 2 — 标准化 scverse 输入输出与知识库结构，体现互操作性设计。

与我的关联

LIANA+ 把"方法多、数据库碎、可重复性差"的 CCC 领域收拢成统一接口，与我课题中关心的"血管组织中细胞通讯驱动 G&R / 病变"高度相关——其空间多视角建模和胞内信号子网络搜索可直接用于把力学-生长模型与单细胞/空间转录组数据对接，做力学-信号耦合的假设生成。