singIST: an R/Bioconductor library and Quarto dashboard for automated single-cell comparative transcriptomics analysis ofdisease models and humans

本文介绍了 singIST，这是一个 R/Bioconductor 软件包及其配套的 Quarto 可视化仪表盘，旨在通过自适应稀疏多块 PLS-DA 模型将疾病模型的单细胞转录组数据与人类参考数据进行定量、可解释的比较，从而评估模型在通路、细胞类型和基因层面的疾病表型复现程度并简化分析流程。

要点

这篇论文介绍了一个名为 singIST 的新工具，它就像是一个**“生物翻译官”兼“质检员”**，专门用来帮助科学家判断：我们在实验室里养的小白鼠（或其他动物）生病时的表现，到底能不能真实地反映人类生病时的情况。

为了让你更容易理解，我们可以用几个生动的比喻来拆解这项技术：

1. 核心问题：为什么小白鼠有时候会“骗人”？

在医学研究中，科学家通常先在小动物身上测试新药或研究疾病。但这里有个大麻烦：动物和人类的细胞太不一样了。

• 以前的方法（像看大锅炖菜）： 过去的工具是把所有细胞混在一起看（就像把一锅炖菜搅匀了尝味道）。这就像你想知道这锅菜里是盐放多了还是糖放多了，但如果你把肉、菜、汤全搅在一起，你就分不清到底是哪样食材出了问题。
• 现在的痛点： 很多动物模型在“细胞级别”上其实和人类很不一样。如果只盯着整体看，可能会误判，导致药物在动物身上有效，到了人身上却没用。

2. singIST 是什么？（一个超级显微镜 + 翻译机）

singIST 就是一个专门为单细胞（把菜里的每一粒米、每一片肉都分开看）设计的分析工具。它由两部分组成：

1. R/Bioconductor 软件包：这是“大脑”，负责复杂的数学计算。
2. singIST Visualizer（仪表盘）：这是“脸面”，是一个漂亮的网页界面，让科学家不用写代码就能看懂结果。

3. 它是怎么工作的？（三个步骤）

第一步：建立“人类标准答案” (Human Reference)

想象你要教一个学生（动物模型）做数学题，你首先得有一本**“人类标准答案书”**。

• singIST 会收集人类患病时的单细胞数据（比如特应性皮炎患者的皮肤细胞）。
• 它把这些数据整理成“伪批量”（Pseudobulk），就像把同一类细胞（比如所有的免疫细胞）的数据打包，形成一个清晰的“人类疾病指纹”。

第二步：训练“翻译官” (The Model)

这是最厉害的部分。singIST 使用一种叫 asmbPLS-DA 的高级算法。

• 比喻： 想象你在训练一个翻译官。这个翻译官不仅要懂人类语言（人类数据），还要懂动物语言（小鼠数据）。
• 它会把人类数据里的“超级通路”（比如“炎症反应”、“免疫细胞怎么打架”）拆解开来，看看在人类身上，是哪些细胞、哪些基因在起作用。
• 然后，它把这个“人类剧本”翻译成“动物剧本”，看看动物身上的细胞是不是也在演同样的戏。

第三步：打分与质检 (Recapitulation Score)

最后，它会给动物模型打分，告诉科学家：

• 整体得分： 这个动物模型在多大程度上模仿了人类？（比如：模仿了 52%）。
• 细胞级得分： 是哪种细胞在模仿？是“树突状细胞”在努力模仿，还是“T 细胞”在捣乱？
• 基因级得分： 具体是哪个基因在起作用？

关键点： 它能发现**“假象”**。

• 例子： 也许整体看，动物模型和人类很像（得分高）。但 singIST 会告诉你：“等等！虽然整体像，但其实是‘细胞 A'在往正方向跑，而‘细胞 B'在往反方向跑，它们互相抵消了，才让你觉得整体很像。”这就像两个人拔河，力气一样大，绳子没动，你以为他们很和谐，其实他们在较劲。singIST 能看穿这种假象。

4. 实际案例：湿疹（特应性皮炎）的研究

论文里用了一个真实的例子：

• 人类参考： 湿疹患者的皮肤数据。
• 动物模型： 用化学物质（oxazolone）诱导的小鼠湿疹模型。
• 结果：
  • 在“细胞因子相互作用”这条路上，小鼠模型完全没模仿好（只有 8.5% 的相似度）。
  • 在“树突状细胞调节”这条路上，小鼠模型模仿得还不错（52.4%），但仔细看发现，是因为某些细胞在“用力过猛”，而另一些细胞在“唱反调”。

如果没有 singIST，科学家可能会觉得“哦，这个小鼠模型还行，可以推进下一步”。但有了 singIST，科学家会意识到：“哎呀，这个模型在关键细胞上跟人类不一样，直接用人做实验可能会失败，得换个模型或者调整方向。”

5. 总结：为什么这很重要？

singIST 就像是一个“去伪存真”的过滤器。

• 以前： 科学家像盲人摸象，只能摸到整体，容易误判。
• 现在： singIST 给了他们一副“高清 3D 眼镜”，能看清每一个细胞在动物和人类之间是如何对应的。

它的价值在于：

1. 省钱省时间： 在把药推向人类临床试验之前，先筛选掉那些“骗人”的动物模型。
2. 更精准： 帮助科学家理解为什么某些药在动物身上有效，在人身上却无效（因为细胞层面的机制不同）。
3. 可视化： 它提供了一个漂亮的仪表盘（Visualizer），让非编程专家也能轻松查看复杂的图表和数据。

简单来说，singIST 就是让动物实验不再“自说自话”，而是真正能听懂人类的“病情语言”，从而加速新药的研发。

技术摘要

以下是基于论文《singIST: an R/Bioconductor library and Quarto dashboard for automated single-cell comparative transcriptomics analysis of disease models and humans》的详细技术总结：

1. 研究背景与问题 (Problem)

• 临床前模型的局限性：传统的临床前疾病模型（如小鼠模型）在单细胞分辨率下往往与人类病理生理学存在显著差异。这种差异使得模型选择变得困难，并限制了其转化医学价值。
• 现有工具的不足：
  • 现有的批量（Bulk）分析框架（如 In Silico Treatment, IST 和 Found In Translation, FIT）无法解析细胞类型的异质性，从而掩盖了复杂组织中由特定细胞类型驱动的关键疾病机制。
  • 现有的单细胞跨物种工具（如 CoSIA, HybridExpress）虽然支持跨物种或混合批量分析，但缺乏单细胞分辨率和通路层面的可解释性。
• 核心需求：需要一种能够量化疾病模型与人类疾病在单细胞水平上转录组变化相似度的工具，并能从通路、细胞类型和基因三个层面提供可解释的指标。

2. 方法论 (Methodology)

singIST 是一个 R/Bioconductor 软件包，旨在通过自适应稀疏多块偏最小二乘判别分析（adaptive sparse multi-block PLS-DA, asmbPLS-DA）来实现疾病模型与人类参考数据的定量比较。

• 核心工作流程：
  1. 数据准备：
     • 人类参考数据：将人类 scRNA-seq 数据按样本和细胞类型聚合成伪批量（pseudobulk）并进行对数归一化。
     • 疾病模型数据：输入为 Seurat 或 SingleCellExperiment 对象，需包含实验分组（基线 vs 目标）、细胞类型簇和供体信息。
     • 超通路定义：用户定义感兴趣的超通路（Superpathways），并指定每个细胞类型对应的基因集（可以是共享基因集或细胞类型特异性基因集）。
  2. 模型拟合 (fitOptimal)：
     • 在人类伪批量表达数据上训练 asmbPLS-DA 模型。
     • 整合了一对一的同源基因映射（orthology）和细胞类型映射。
     • 通过交叉验证（CV）和置换检验优化超参数（如稀疏分位数），选择最佳模型。
  3. 重演性分析 (singISTrecapitulations)：
     • 将拟合好的模型应用于疾病模型数据。
     • 将模型中的折叠变化（fold changes）转换到人类表达空间。
     • 计算有符号的重演分数（signed recapitulation scores），涵盖超通路、细胞类型和基因三个层级。
     • 分数含义：正值表示方向一致，负值表示方向相反；数值大小表示变化幅度的匹配程度（>100% 表示幅度更大）。
  4. 可视化与报告 (singIST Visualizer)：
     • 提供了一个基于 Quarto/Shiny 的交互式仪表板。
     • 无需手动编写绘图代码，即可自动生成交互式图表（如 PCA、雷达图、热图、抖动图）和可导出表格，用于探索模型性能、特征重要性和重演结果。

3. 关键贡献 (Key Contributions)

• 首个单细胞分辨率的跨物种比较框架：填补了现有工具在单细胞水平上进行疾病模型与人类数据定量比较的空白。
• 多尺度可解释性：不仅提供通路层面的总体评分，还能深入解析到具体的细胞类型（哪些细胞驱动了重演或不重演）和基因（关键驱动基因）。
• 自适应稀疏多块 PLS-DA：利用 asmbPLS-DA 处理高维、稀疏的单细胞数据，并通过稀疏性选择关键特征，提高了模型的可解释性。
• 端到端的自动化工作流：从数据输入、模型训练、重演计算到交互式可视化报告，提供了一整套 R/Bioconductor 解决方案，降低了分析门槛。
• 开源生态：核心包托管于 Bioconductor（MIT 协议），可视化仪表板托管于 GitHub，便于社区使用和扩展。

4. 研究结果 (Results)

作者在特应性皮炎（Atopic Dermatitis, AD）的人类参考数据与氧化偶氮（Oxazolone, OXA）诱导的小鼠模型之间进行了验证：

• 案例设置：对比了两个代表性通路：
  1. 树突状细胞在调节 Th1/Th2 发育中的通路 [BIOCARTA]。
  2. 细胞因子 - 细胞因子受体相互作用通路 [KEGG]。
• 通路层面发现：
  • BIOCARTA 通路：OXA 模型显示出中等程度的重演（52.4%）。
  • KEGG 通路：重演程度极低（8.5%），几乎为零。
• 细胞类型层面深入解析（揭示异质性）：
  • 在 BIOCARTA 通路中，重演主要由朗格汉斯细胞（186.3%）和树突状细胞（90.9%）的强正向偏移驱动，但T 细胞表现出相反方向的贡献（-84.1%）。这说明通路层面的中等重演可能掩盖了不同细胞类型间的相互抵消。
  • 在 KEGG 通路中，T 细胞和树突状细胞表现出强烈的正向重演（>300%），但被角质形成细胞（-261.9%）和朗格汉斯细胞（-101.3%）的强烈负向重演所抵消。
• 结论：单细胞分辨率的分析揭示了在通路层面看似“失败”或“微弱”的模型，实际上在特定细胞亚群中可能具有高度的一致性，反之亦然。

5. 意义与影响 (Significance)

• 提升转化医学价值：singIST 能够帮助研究人员更准确地评估临床前模型在单细胞水平上对人类疾病的模拟程度，从而更明智地选择模型，减少药物研发后期的失败风险。
• 机制洞察：通过解析细胞类型特异性的重演情况，研究人员可以识别出模型中哪些细胞机制是保守的，哪些是物种特有的，从而深入理解疾病病理机制。
• 标准化与可重复性：提供的标准化工作流和交互式仪表板，使得复杂的单细胞跨物种分析变得可重复、可共享，促进了生物医学数据的标准化解读。
• 工具普及：作为 R/Bioconductor 生态的一部分，singIST 易于被生物信息学家和生物学家集成到现有的分析流程中，推动了单细胞比较转录组学的发展。

总结：singIST 通过结合先进的统计建模（asmbPLS-DA）和直观的交互式可视化，解决了单细胞数据跨物种比较中的异质性和可解释性难题，为药物研发中的模型选择提供了强有力的量化工具。