Decipher：一种从单细胞数据中解码上下文特异性细胞信号网络并应用于COVID-19及疫苗应答研究的计算工具

《Cell Communication and Signaling》：Decipher: a computational pipeline for context-specific cell-signalling analysis from single-cell profiles

　　

摘要

单细胞分析已经革新了我们对疾病相关细胞和分子状态的理解。然而，现有的计算工具在将细胞间通信与下游转录响应联系起来的同时，难以保留上下文特异性和识别新型信号关系的能力。我们提出了Decipher，这是一个计算流程，能够以上下文特异、数据驱动的方式，从单细胞分析数据中构建和评分整合的细胞信号网络。基准测试表明，Decipher能够恢复已知的细胞因子信号通路，同时保持检测新通路和上下文特异性效应的灵活性。我们利用Decipher对一种富含干扰素刺激基因的炎症单核细胞群体的相关信号进行了表征，发现该群体在第二次接种辉瑞-BioNTech COVID-19疫苗后频率显著增加。最后，我们运用Decipher探究了轻度与重度COVID-19中转录因子的活性谱，发现疾病向重度进展与干扰素信号转录因子（IRF7、IRF9、STAT1、STAT2）的丧失以及炎症和细胞应激反应相关因子（NFKB2、HIF1A、ATF3、ATF4）的获得有关。这些结果表明，Decipher能够解码信号通路，并报告介导稳态、疾病过程及细胞对治疗反应中配体-受体介导的转录因子-靶基因网络。我们将Decipher作为一个工具，用于生成关于细胞间通信的排名有序、可检验的假设，以支持治疗靶点的早期优先筛选。