单细胞通讯分析拆解肿瘤转移机制：从注释到配体受体推断

单细胞文章里最容易被审稿人追问、也最让初学者头疼的部分，就是细胞间通讯分析。我最近解读一篇关于肿瘤转移的单细胞RNA测序研究，光“通讯”相关的图表就有五六张，从配体受体的热图到信号通路的变化轨迹，信息量很大。如果只是照着教程把CellChat跑一遍，很容易得到一张看似华丽、实则说不清楚生物学含义的图。这篇内容我打算把完整的分析思路拆开讲一讲——从单细胞数据如何支撑通讯推断，到用哪些方法锁定与肿瘤转移相关的关键互作，再到复现过程中容易被忽略的细节。适合刚开始接触单细胞下游分析、想搞懂细胞通讯技术逻辑的读者，文章不会只杵在“跑代码”层面，会尽量把每一步背后的取舍说清楚。

基于转录组的细胞通讯分析，本质上是一个“预测”的过程——我们看到的不是真实的物理接触或旁分泌过程，而是根据配体和受体基因的表达量，去反推哪些细胞群之间可能存在信号传递。肿瘤转移恰好是这种细胞对话最密集发生的场景：原发灶里的肿瘤细胞要脱离上皮群体、穿过基质、进入血管，再到远端定植，每一步都离不开巨噬细胞、成纤维细胞、内皮细胞、T细胞的配合或抵抗。单细胞RNA测序的优势，是能把这些混在一起的角色按身份拆开，再逐对计算它们之间“打电话”的可能性，这比传统的bulk转录组只能看平均水平要精细得多。

1. 单细胞测序为什么能拆解肿瘤转移中的细胞“对话”

1.1 肿瘤微环境异质性：bulk测序回答不了的问题

传统转录组测序把一块肿瘤组织直接打成匀浆，得到的表达量是成千上万种细胞的平均值。假如肿瘤组织里有一群巨噬细胞正在通过某种配体强烈刺激肿瘤细胞迁移，但巨噬细胞只占整体的3%，这种信号在bulk数据里很容易被淹没。更麻烦的是，肿瘤组织里还存在大量正常上皮细胞、成纤维细胞和免疫细胞，它们的表达谱混在一起，很难定位到具体的细胞类型。

我见过不少基于bulk数据做的“免疫浸润差异表达”分析：拿转移组和非转移组比较，筛出一堆基因，再做功能富集，但到了解释环节就很尴尬——这些基因到底是谁表达的，没法确认。细胞间通讯分析在bulk层面也有工具，比如基于反卷积的算法，但精度有限，本质上是“猜”。单细胞RNA测序直接把每个细胞单独测一遍，先分群，再注释身份，最后才计算群与群之间的配体受体互作。这个顺序保证了通讯分析建立在明确的细胞类型之上，不会把来源搞混。

单细胞技术的核心价值不在于“能测很多细胞”，而在于“能分辨细胞的真实身份”。对肿瘤转移研究尤其如此，因为转移过程每一步都涉及不同细胞类型的分工。比如肿瘤细胞从原发灶脱离进入间质，这个过程常伴有上皮-间质转化（EMT），而下调E-钙黏蛋白、上调波形蛋白的细胞，往往局部分布在肿瘤基质界面。只有单细胞数据能把这些正在转变状态的细胞单独拿出来，看它们和周围的成纤维细胞、免疫细胞之间存在怎样的信号关系。

1.2 单细胞数据的“分辨率”能给通讯分析带来什么

很多人觉得配体受体分析就是把数据库里的配体受体对拿过来查一下表达量，其实没那么简单。单细胞数据提供的信息层级比这丰富：

• 细胞类型层面的信息：知道是巨噬细胞分泌了TGFB1，而不是笼统地说“肿瘤组织高表达TGFB1”。
• 细胞状态层面的信息：可以进一步拆分巨噬细胞是促炎型还是免疫抑制型，不同状态的细胞配体表达谱差异很大。
• 共表达层面的信息：同一个细胞同时高表达配体和下游靶基因，可以辅助判断这条信号在该细胞内部是否被激活。
• 亚群丰度层面的信息：通讯强度不只取决于单细胞表达量，还取决于这一群细胞的数量占比。

举个例子，某研究里SPP1阳性的巨噬细胞在转移样本中显著富集，这群细胞高表达SPP1、TGFB1、VEGFA，而同时它们又低表达抗原呈递相关基因。如果在bulk数据里看，只会得到“SPP1高表达”这样一个模糊结论，但在单细胞注释之后，就能明确是“SPP1+巨噬细胞亚群”在发挥免疫抑制和促血管生成作用，并可以进一步计算这个亚群与肿瘤细胞之间的配体受体互作强度。

1.3 细胞间通讯分析在转移研究中的定位

看单细胞文献时，通讯分析通常出现在这样几个位置：鉴定某种细胞亚群的特征之后，用来解释“这群细胞为什么能促进转移”；或者比较转移组与对照组之后，用来寻找“哪些信号通路在转移中活化”；又或者在拟时分析之后，把动态的细胞状态转换和配体信号关联起来。

换句话说，通讯分析很少是文章的第一张分析图，而是承担“从相关性走向机制解释”的桥梁作用。先有分群注释，再有特定亚群差异分析，然后才能基于亚群做通讯推断。如果前面的注释不靠谱，后面所有通讯结论都等于空中楼阁。这个顺序很重要，也解释了为什么我后面会花大量篇幅讲分群和注释的质量控制。

细胞通讯分析在转移研究中还有一个特殊之处：转移是一个多步骤过程，通讯分析不能只看原发灶数据，最好能把原发灶、循环肿瘤细胞、转移灶的数据放在一起比较。转移灶微环境和原发灶差异极大，起作用的信号通路可能完全不同。比如原发灶里TGFB信号主导EMT，而转移灶里可能更多是骨微环境中的RANKL-RANK、肝转移中EGFR配体等组织特异性信号。只有把配对样本的通讯放在同一套流程里比较，才能看出这些变化。

2. 分析的第一步：细胞分群与类型注释怎么才算过关

2.1 质控指标的把握：多严才算严

单细胞通讯分析的所有输入，是一个质量可靠的细胞-基因表达矩阵。质控不过关，后面全白搭。我通用的过滤标准是——

• 每个细胞的UMI总数（nCount_RNA）不低于某个阈值，这个阈值取决于测序深度和组织类型，一般会看分布曲线，取拐点而不是死记一个数字。
• 检测到的基因数（nFeature_RNA）过低，比如小于200，通常是空液滴或者破碎细胞；过高，比如大于5000，往往是两个细胞被当成一个测了，或者线粒体污染严重。
• 线粒体基因比例（percent.mt）一般控制在20%以下，心肌、肝、肾这类代谢旺盛的组织阈值可以适度放宽，但不要超过25%。
• 双重细胞（doublet）检测：现在比较推荐用scDblFinder或DoubletFinder按细胞类型比例估算双胞率，然后过滤。有批处理整合需求时，可以在整合前后各做一次，或者用更严格的共现检测方法。

质控中一个容易犯的错是“一刀切”。上皮来源的细胞线粒体基因比例天然偏高，免疫细胞则通常很低。如果整个样本用同一个阈值过滤，可能会把一部分有生物学意义的高代谢肿瘤细胞误杀。建议先做初步过滤，聚类之后看每个cluster的质控指标分布，如果某一群细胞既高表达某个谱系marker、又明显偏离其他群的质控分布，可以先保留并在注释阶段判断它是不是真实亚群。

2.2 注释的两种路线与marker取舍

细胞类型注释现在主流的做法是自动注释+人工复核结合。自动注释工具（SingleR、Garnett、CellTypist等）能快速给出参考标签，但对肿瘤样本的适应性有限。肿瘤微环境中存在大量非典型细胞状态，比如应激相关基因高表达的上皮细胞、低氧条件下的巨噬细胞，它们常常被自动工具错误归类。所以我个人习惯是：先用自动注释了解整体细胞类别的构成，然后一定用一组核心marker在UMAP或feature plot上人工检查每个cluster。

常用到的核心marker大概是这样的：

注释的时候不要只看单一marker，最好看一组marker的联合表达。还要注意，肿瘤样本里上皮细胞很多不是整齐划一的，一类是正常上皮，一类是拷贝数变异明显的恶性上皮，这个区分会在下一节细讲。此外，低质量细胞通常会聚成一个小群，高表达线粒体基因和热休克蛋白，这类群不要硬塞给某个细胞类型，宁可标成“Unknown/Low quality”再滤掉，也不要强行注释。

2.3 恶性上皮细胞亚群的识别：CNV推断的边界

肿瘤研究里，最关键的注释决策是区分恶性上皮细胞和正常上皮细胞。单细胞转录组的经典方案是用inferCNV或copyKAT推断每个细胞的大规模拷贝数变异。原理很简单：如果某一群细胞在染色体某一段上出现连续的、一致的表达量上调或下调，说明这些细胞大概率携带了该区段的拷贝数扩增或缺失。

inferCNV使用时要注意两个坑。第一，参考组（正常上皮、基质细胞等）的选择直接影响结果，参考组越纯净，推断的可信度越高；如果参考组混入了少量恶性细胞，信号会被稀释。第二，inferCNV判断恶性细胞的标准是“该基因区域的表达量偏离参考组的中位水平”，但肿瘤内部存在高度异质性，部分恶性亚克隆可能没有明显的CNV信号，比如微卫星稳定型肿瘤的某些亚群。因此，inferCNV给出的“高恶性”分数可以作为主要依据，但还需要结合已知的肿瘤驱动基因表达、突变表型以及细胞聚类位置综合判断。

对于样本量较小的项目，也可以先用CopyKAT快速算一遍恶性分数，再人工做一轮核验。我一般把细胞分成三类：明确的恶性细胞（CNV高）、明确的正常上皮（CNV低）、无法判定的中间状态。中间状态不要直接丢弃，可以单独建一个亚群做分析，很多时候迁移能力最强的正是这些处于转变中间态的细胞。

细胞状态的定义还需要结合EMT评分。可以用一个简单的方法：取一组上皮marker（CDH1、EPCAM、KRT8）和一组间质marker（VIM、FN1、CDH2、SNAI2），用AddModuleScore分别打分，然后用两项得分的空间分布区分上皮态、间质态和双重阳性的杂合态。如果在UMAP上这些状态和CNV恶性分数能对应上，那后面做通讯分析时的分组依据就比较扎实了。

3. 配体-受体推断：主流工具背后的数学逻辑

3.1 CellChat的通讯概率模型与差异比较

CellChat是目前用得最多的通讯分析工具，核心算法是对已知配体受体对构建一个通讯概率模型。它对每一个配体受体对，根据发送细胞的配体表达量、接收细胞的受体表达量、以及协同因子（如共刺激或共抑制分子）的存在情况，计算一个“通讯概率”。再通过网络聚合，把同一条通路中多个配体和受体对的概率整合到一起，得到细胞群之间关于这条通路的整体通讯强度。

我推荐CellChat的一个理由，是它对差异通讯的处理能力比较完善。2023年后更新的版本支持多个样本或多个条件的比较分析，输出两大部分：一是不同条件间通讯数量的差异热图，二是特定信号通路在不同条件下的强度变化对比。做肿瘤转移研究时，强烈建议用转移组vs非转移组、或者转移灶vs原发灶这种设计来做compareInteractions，而不是单独跑一组数据。

实操上，CellChat输入的是Seurat对象本身，它会自动使用细胞类型注释的分组信息。运行前最好确认默认的CellChatDB version跟物种一致（人用version v1/v2，小鼠用version v2，切换数据库时一定要重新创建CellChat对象，不能混用）。另外，CellChat对有批次效应的多个样本，可以直接在合并后的Seurat上调；但如果样本来自不同测序平台、不同实验室处理的runs，建议先用Harmony或scVI做表达矩阵校正，再传到CellChat。否则共变量里可能混入技术变异。

参数调整方面，不太建议一上来就调阈值，建议先跑默认参数，再根据输出热图和通路流图判断信号过于稀疏还是过于密集。如果配体受体对数量少到难以分析，可以放宽表达比例阈值（例如从默认的0.1改为0.05），如果假阳性太多，则优先考虑数据质控而非粗暴提高阈值。

3.2 CellPhoneDB的置换检验与复合物处理

CellPhoneDB和CellChat的核心差异在于两点：一是数据库里包含了异源复合物（比如整合素家族的配体受体是多个亚基组合而成，存在alpha-beta二聚体的情况），二是统计方法采用随机化置换检验。

CellPhoneDB的置换逻辑，是把每个细胞的细胞类型标签打乱多次，然后比较观察到的配体受体平均表达量是否显著高于随机情况。输出结果是每个细胞群对之间统计显著的配体受体对。它的优点是统计严谨、假阳性率低，适合做筛选；缺点是它没有像CellChat那样把信号通路级别的“整体强度”聚合出来，不方便直接判断哪个通路主导了细胞群之间的对话。

实际操作时，CellPhoneDB v4要求输入h5ad格式（Scanpy）或表格文件，需要和Seurat流程做一层转换——我通常会from Seurat提取表达矩阵和meta信息，然后用Scanpy导出.h5ad。注意，CellPhoneDB对重复运行的随机种子支持不够好，同样数据重复跑结果可能存在轻微波动，正式出图前建议固定好随机种子并记录版本。

3.3 NicheNet的调控网络视角

CellChat和CellPhoneDB告诉你“细胞A通过配体X与细胞B的受体Y互作”，但NicheNet回答的是一个更下游的问题：这个配体对受体细胞里的哪些靶基因产生了调控影响，以及影响程度有多大。

NicheNet整合了配体-靶基因调控网络、转录因子调控网络和信号通路先验知识，通过比较受体细胞中候选靶基因的表达与配体表达的相关性，给每个配体打一个“活性”分数。这个功能对转移研究特别有用——比如你发现巨噬细胞分泌TGFB1，想知道肿瘤细胞里哪些EMT相关转录因子被激活了，NicheNet可以在转录因子层面给出证据。

NicheNet的缺点是计算时间长、输入准备有一定门槛，而且它的配体靶点数据库主要来自公开文献收集，对特定肿瘤类型可能需要补充自定义网络。我一般是拿NicheNet作为验证工具，不拿它做第一轮的全局扫描：先用CellChat或CellPhoneDB筛出差异显著的配体受体对，再用NicheNet验证这些配体对受体细胞下游靶基因活性的影响。

3.4 工具选型对比与组合策略

可以给一个简单的选型参考：

实际项目中，我常用的组合是：CellChat做最主要的通讯图谱和差异通路，CellPhoneDB做配体受体对层面的置信筛选，把两套结果的交集作为核心候选信号，再用NicheNet对感兴趣的几个配体做下游机制预测。三个工具的结果通常不会完全重合，交集部分往往是后续验证实验最值得投入的方向。

4. 聚焦转移：怎样把通讯结果绑定到转移机制上

4.1 先定义“转移相关细胞状态”

通讯分析之前，先想清楚一个问题：这里说的“肿瘤转移相关”，到底是指什么？是指某一群细胞（比如巨噬细胞）丰度改变带动通讯强度变化，还是指同一群细胞在不同转移阶段发生了状态切换，从而改变了信号输出？

我倾向于先定义清楚再跑分析，这样后面不会越跑越糊涂。

• 如果是丰度变化，通讯差异基本来自细胞群占比差异，分析上直接比较转移组和非转移组细胞群比例即可。
• 如果是状态变化，就要先把每个细胞群单独做亚聚类，找到转移特异亚群（通常是某种细胞在转移样本中增多而在非转移样本中少见），再把这一亚群作为“信号源”或“信号接收方”纳入通讯分析。

比较经典的模式是：巨噬细胞分成TREM2+脂质相关亚群和SPP1+促纤维化亚群，SPP1+亚群在肿瘤转移中比例上升、且高表达多种与迁移相关的细胞因子。如果只看总巨噬细胞的表达，可能看不出显著差异，但拆分亚群后，通讯分析的结论会完全不一样。

另一类很重要但经常被忽略的细胞状态是“应激状态”，比如核糖体应激、内质网应激、氧化应激相关高评分细胞。这些状态往往在肿瘤内部局部区域富集，高表达TNF、CXCL等炎症因子，和转移前生态位的形成有关系。注释阶段如果把这类细胞混进普通上皮或普通巨噬细胞，就会制造一批虚假的通讯信号。

4.2 从全局通讯到关键信号通路的下钻

跑完CellChat之后，不要急着截热图。我自己的分析流程是：

1. 先看通讯数量变化总览：转移组和非转移组之间的边数和强度差异，确认哪些细胞群对之间的通讯显著增强。
2. 再看活跃信号通路总览：用netAnalysis_signalingRole_heatmap查看信号发送者、接收者和中介者的角色变化，识别哪条通路在转移条件下主导地位提升。
3. 对候选通路做下钻：用netAnalysis_contribution提取该通路内配体受体的贡献度，确认具体是哪个配体受体对在驱动变化。
4. 回到单细胞表达矩阵验证：查看候选配体和受体在哪些亚群中表达，同时留意表达细胞的比例和平均表达量，防止一个超低丰度细胞群产生高“概率”的虚高信号。

从全局到局部这个顺序，可以避免被局部噪声带偏。整体信号弱的通路，就算单个配体受体对的置换检验显著，放在全局背景下通常不会有太大生物学影响。而转移研究中最值得关注的往往是那些“全局强度中等、但在转移组中显著极化”的通路，这类通路往往不是经典的广谱信号，而是肿瘤微环境重塑过程中的关键节点。

举个例子，某项目里我发现IL1B+巨噬细胞与TREM2+巨噬细胞之间存在CSF1-CSF1R的自分泌信号，单独看这一条互作，显著性并不高，但结合全局，这条信号连接了促炎和免疫抑制两极的髓系状态，对理解髓系细胞内部的转化节奏很有价值。这类发现很容易被单纯看“热图最红”给淹没。

4.3 计算结论如何用实验收口

细胞通讯分析得到的是计算预测，最终落地还是要靠实验验证。单细胞文章里常见的验证层次依次是：

• 空间维度：用空间转录组或多重免疫荧光确认配体细胞和受体细胞在空间位置上真的靠近。这是通讯分析最重要的“空间验证”，因为相距很远的两种细胞即使配体和受体都表达，生理状态下也很难发生互作。
• 细胞行为维度：在体外共培养体系中阻断配体受体信号，看迁移、侵袭、增殖等表型变化。Transwell共培养是比较常规的做法，但如果文献要求更高的证据强度，可以用类器官或条件培养基加抗体的方式做功能实验。
• 体内维度：用转移模型动物敲低/阻断关键配体受体对，观察转移灶数量和负荷变化。这类实验成本高、周期长，通常只针对最强的核心候选信号。

我见过很多项目在通讯分析上选了大量的候选分子，最后湿实验只验证了其中一两个。与其这样，不如一开始就用空间数据把候选范围从几十个收敛到两三个——空间位置上不共定位的配体受体对，大部分可以提前排除。当然，旁分泌信号在组织里扩散距离有限，空间上下调或配体浓度梯度需要详细评估，但“共定位”本身已经是相当强的过滤标准。

5. 复现链路与避坑记录：从原始数据到通讯热图的完整实验

5.1 一条最小可复现的分析流水线

如果你拿到一个肿瘤转移相关单细胞数据集，想复现一篇文献的通讯结果，我建议按下面这条链路走：

• 第1步：用Cell Ranger或STARsolo得到基因表达矩阵，然后用Seurat或Scanpy做基础的质控过滤、归一化、高变基因选择、PCA、UMAP和聚类。样本数多的时候，在PCA之后加一步Harmony整合，能显著改善跨样本批次效应。
• 第2步：用SingleR结合人工marker做细胞类型注释，重点确认肿瘤细胞和免疫细胞的比例。这一步要留好转录本证据——比如哪些基因、什么阈值、哪些cluster被调整过。严谨的做法是：把注释标记做成一个可复现的R脚本或Python notebook，保存每个cluster的marker表达图谱。
• 第3步：用inferCNV或copyKAT区分恶性上皮，对上皮细胞亚群做EMT评分和状态划分，必要时单独亚聚类。
• 第4步：用CellChat建立通讯对象，先看整体网络，再跑转移组和非转移组的差异比较。
• 第5步：对差异显著的信号通路做配体受体层级的贡献分解，用CellPhoneDB做置信验证，交集留下。
• 第6步：从空间转录组或免疫荧光数据取空间共定位证据，完成最后一轮计算筛选。

这条链路里每一步的输出都要能对上一步的结果做回溯。比如CellChat里某个通路强度变化很大，那么注释文件里对应的细胞群比例基本也是明显变化的。如果前后不一致，优先怀疑注释问题。

5.2 我踩过的四个典型坑

第一个坑：细胞类型注释错误导致通讯结论完全反转。我曾经在一个数据集里，把一群表达CD68但并不特异的髓系细胞注释成了巨噬细胞，结果通讯分析显示它们和肿瘤细胞之间存在很强的MIF-CD74互作，进一步分析才发现这群细胞其实是一类应激上调的肿瘤细胞，CD68只是低水平背景表达。回头看，至少应该加一组泛上皮marker做一个交叉验证，就不会犯这个错。

第二个坑：CellChat跨条件比较时用的是不完整的Seurat对象。如果多样本被拆开做整合，但只把转移组的子集传给CellChat，那所有“非转移组”数据就丢了，差异比较的结果自然不成立。正确的做法是保持整合后的全对象，CellChat内置的compare机制会按meta信息的标签拆分计算。

第三个坑：低表达量但“统计显著”的配体受体对。置换检验的显著性受细胞数影响很大，细胞数极多的细胞群对之间，显著性P值可能很小，但实际表达量只比背景高一点点。这时候要加一个平均表达量的过滤条件，比如要求配体和受体的平均表达量都超过某个阈值（通常根据数据的整体表达分布定，比如0.5或1），或者参考CellChat输出的表达比例列，避免把噪声当信号。

第四个坑：批处理效应和通讯信号的混淆。同一个样本里，如果肿瘤细胞和基质细胞来自不同测序批次，而批次之间的测序深度差异又比较大，那么通讯分析会首先检测到“批次相关”的虚假互作。解决办法是在整合时加入批次作为协变量，并在CellChat分析前观察UMAP图：细胞类型和样本来源如果出现明显的按批次分离，先解决整合问题再谈通讯。

5.3 参数与结果解读的个人经验

跑CellChat之前，有几个参数值得花时间调，而不是一直用默认：

• population.size参数：默认会考虑细胞群大小，如果两组之间某种细胞群数量差异过大，建议用这个参数平衡后比较，结果更偏向“单细胞水平信号强度”而不是“总信号量”。
• 每个细胞群的细胞数不要过少，至少几十个比较靠谱，少于20个细胞的亚群做通讯推断需要谨慎。
• 如果是小鼠数据，要确认物种对应的数据库版本。我发现不少作者在切换物种后忘记重新运行识别配体受体的步骤，导致输出里混入了人源基因名，后面绘图全部错位。

结果解读上，我的建议是：不要只看热图的颜色深浅。CellChat的热图显示的是通讯概率或数量的对数变化，不同阈值下颜色跨度不同，很容易让人觉得“差异巨大”。一定要把每一张图都回到具体的配体受体列表去看，弄明白是哪几个基因贡献了信号，这才是能写进文章的“故事”。我通常会把显著差异的配体受体对整理成一个表，包含发送细胞、接收细胞、配体、受体、强度变化、P值、支持的文献或数据库条目，最后再配上空间共定位证据。这张表本身就是一个小型的机制说明图。

我个人还有一个习惯：把CellChat的结果导成表格，用networkD3或igraph在R之外再画一版自定义网络图，按节点大小映射细胞群丰度、按边的宽度映射通讯强度、按颜色映射通路类别。倒不是说CellChat内置的图形不好看，而是自定义图形能让我更直观地看出哪些节点只做发送、哪些只做接收，哪些是核心枢纽细胞群。网络图视角和热图视角很多时候结论会有差异——因为热图容易让人觉得所有边都重要，而网络中心性分析能把“关键中介者”暴露出来。

细胞间通讯分析在单细胞研究里还有不少可挖的空间。比如结合转录因子活性推断共调节网络，比如把不同配体信号对细胞状态变化的贡献做博弈论式的分解，现阶段算是相当活跃的方法学方向。不过对大多数做肿瘤转移研究的团队来说，先把常规分析里的细胞注释和通讯差异比较做扎实，再配合空间验证，已经能产出一套质量相当不错的机制证据链。我在实际项目里的体会是，与其在工具组合上追求大而全，不如把“注释准确”和“差异比较条件设置合理”这两个基本功练到极致，后面的分析自然顺。