云生信文档中心

Appearance

敲掉一个基因，看细胞往哪走——云服务器预装 CellOracle，登录即模拟 ​

上一篇我们用 scTenifoldKnk 做了“虚拟敲除”：敲掉一个基因，看下游哪些基因跟着变。这篇更进一步——不只看哪些基因变，还要看细胞会往哪个方向走。

用的工具是 CellOracle：给它一份单细胞数据，它先推断基因调控网络，然后就能在电脑里做模拟实验——把指定基因人为敲除（表达置零）或过表达（拉高表达），预测全基因组怎么变、各类细胞的状态可能往哪边偏移，最后用向量场箭头图直观展示。整套流程已在我们云服务器上部署完毕，开箱即用。

一、CellOracle 比虚拟敲除多走了哪一步 ​

scTenifoldKnk 回答的是“敲掉基因 A，哪些基因受影响”；CellOracle 回答的是一个更有画面感的问题：

敲掉（或拉高）这个基因之后，这群细胞可能往哪种类型的方向“漂”？

它基于推断出的调控网络，把每个细胞的预测变化画成一支箭头，成千上万支箭头叠在细胞分群图上，就是一张“细胞走向预测图”——箭头整体指向哪，提示细胞状态可能往哪边偏。药物靶点筛选、转录因子功能研究，都可以参考这张图缩小验证范围。

而且它是双向的：同一个基因，敲除（KO）和过表达（OE）各模拟一轮。两个方向的预测结果互为“镜像”，本身就是结果可靠性的一个天然佐证（后面会用到这个知识点）。

二、用大白话讲一遍原理 ​

把单细胞数据想象成一个班级的档案：每个细胞是一名学生，每个基因是一门科目，表达量就是成绩。

  1. 推断调控网络（GRN）：分析全班成绩，反推“谁是课代表、各管哪几门课”——某门课的成绩波动总能带动另外几门课一起动，那它大概率就是这几门课的“课代表”（转录因子）。
  2. 模拟扰动：把某位课代表自己那门课的成绩改成 0 分（敲除）或拔到全班前 5%（过表达），顺着推断出的“负责关系表”一层层传下去，直到传遍全班。
  3. 画走向图：每个学生每门课都有了“新成绩”，和原成绩的差就是预测变化量，画成箭头，就是全班的“成绩走向图”。

三、环境：登录即用 ​

CellOracle 全套流程已预置在服务器公共路径 /media/share/share_code/celloracle 下：分析脚本、示例数据、Conda 环境一应俱全。登录服务器后用绝对路径直接调用即可，不需要自己安装任何依赖。

使用前先激活公共环境（绝对路径）：

bash
source /media/share/share_code/celloracle/celloracle/bin/activate

激活后命令行提示符前出现 (celloracle) 即成功：环境内含全部 Python 组件（CellOracle 0.22.0），R 端使用服务器自带的 R 4.4.1（Seurat、Matrix 已预装），后续所有命令都在该环境中执行。工作目录请设到自己目录，不在公共路径下读写。

环境的部署与更新由技术团队统一维护，客户侧无需关心版本细节。

光装好还不算完，我们又做了一个验证动作：换用一个普通账号，激活公共环境，把四步流程完整重跑了一遍——结果与首次部署数字级一致：ATF3 敲除后自身变化量 -0.675095（首次为 -0.675101，小数点后四位相同），下游基因排序完全重合。也就是说，任何账号登录服务器，都能复现同一套结果。

四、实战：46,747 个细胞里敲除 ATF3 ​

数据是一份皮肤来源单细胞转录组数据：46,747 个细胞、13 种细胞类型、15,166 个基因。项目研究基因名单共 36 个，公共示例默认以 ATF3（经典应激反应转录因子）为演示基因。

整个流程四步，每步一条命令。先激活公共环境、再在自己目录下建工作文件夹执行——结果图就生成在你的目录里：

bash
# 激活公共环境（绝对路径）
source /media/share/share_code/celloracle/celloracle/bin/activate

# 工作目录设到自己目录（首次使用先创建），结果输出到当前目录
mkdir -p ~/celloracle_demo
cd ~/celloracle_demo

# 第一步：R 端整理数据，生成 CellOracle 标准输入
Rscript /media/share/share_code/celloracle/run_celloracle_from_rdata.R

# 第二步：推断基因调控网络（13 种细胞类型各推各的，最后汇总）
python /media/share/share_code/celloracle/run_celloracle_grn.py

# 第三步：敲除/过表达模拟（自动从名单选第一个可扰动基因，KO+OE 各一轮）
python /media/share/share_code/celloracle/run_ko_oe_separate.py

# 第四步：出彩底向量场图（按细胞类型着色）
python /media/share/share_code/celloracle/generate_celloracle_target_figures.py ATF3

脚本自带“上岗资格检查”：目标基因得在表达矩阵里存在、得是调控因子、还得真的在活跃调控，三个条件都满足才会被模拟——不满足自动换名单里的下一个。

想换成你自己的基因名单：在工作目录里新建一个 gene.txt，每行写一个基因名即可，不用改代码；不新建则默认使用公共示例名单。

五、结果：敲除与过表达，两张镜像的“细胞走向图” ​

ATF3 敲除（KO） ​

每种颜色是一种细胞类型，箭头是模型预测的细胞状态偏移方向。

ATF3 敲除彩底向量场图

ATF3 过表达（OE） ​

与上图对照，箭头方向整体相反——反向扰动，预测偏移方向相反，呈“镜像”关系。

ATF3 过表达彩底向量场图

需要说明的是，图中箭头反映的是基于单细胞数据与推断网络得到的预测结果，提示扰动后细胞状态的可能变化趋势。图好看不算数，我们还立了三条验收标准，全部通过：

  • 被扰动基因自身的预测变化量排在全基因组第一梯队——提示调控网络“听见”了这次扰动（ATF3 敲除后自身变化量 -0.675，全基因组排名第一；CEBPB 敲除后 -0.678，在 2,028 个基因中排第 1）。
  • KO 与 OE 的全基因组变化呈镜像（相关系数接近 -1）。
  • 箭头有组织、有方向，不是无规则的随机抖动。

另一个有意思的细节：ATF3 敲除后预测变化最大的基因是 FOS、JUN、ZFP36、GADD45B、NFKBIA 等经典应激反应基因——其中 FOS/JUN（AP-1 复合体）正是文献报道中 ATF3 的已知搭档。计算预测与已有生物学认知互相印证，提示这套网络推断与模拟结果具有生物学合理性，候选下游基因值得进一步实验验证。

CEBPB 敲除与过表达 ​

名单里另一个转录因子 CEBPB 的两轮模拟，KO 后 716 个基因下调、219 个上调，预测变化最大的下游基因包括 PERP、GAPDH、ID3、MT2A 等，KO 与 OE 同样呈现清晰的镜像关系。

CEBPB 敲除向量场图

CEBPB 过表达向量场图

六、小结 ​

  • CellOracle = 基因调控网络推断 + 敲除/过表达双向模拟 + 细胞走向向量场预测图。
  • 四步脚本全自动：整理输入 → 推断网络 → 扰动模拟 → 出彩底图。
  • 36 个研究基因按名单顺序自动筛选、自动模拟，一轮跑出全套结果。
  • 脚本、数据、环境已归档公共路径，并经第二个账号完整重跑验证——带上你自己的单细胞数据和基因名单，登录就能跑出同款图。

想给自己的基因也“改改分”，欢迎联系我们的技术团队开通体验。

本文分析脚本、示例数据与公共环境已归档至公共路径 /media/share/share_code/celloracle，登录服务器即可复现。

© 2025 ysxCloudBio. 保留所有权利。