钱同学云计算

Appearance

Genome Biology | PDX人鼠混合单细胞别急着分选 ​

生信经典文献解读 003

PDX 样本做单细胞，最烦的不是跑 Seurat，而是人源肿瘤细胞和鼠源微环境细胞混在一起。分选太麻烦，不分又怕后面全乱。

这个视频讲的就是这个问题。

文章来自 Genome Biology，题目是：

10x Genomics Flex Gene Expression is a powerful tool for single-cell transcriptomics of xenografts models

论文 DOI：10.1186/s13059-026-04092-0

它讨论的是 10x Genomics Flex Gene Expression 在 PDX/CDX 异种移植模型里的用法。简单说，研究者想知道一件事：如果样本里既有人源细胞，又有鼠源细胞，能不能不先做流式分选，直接用 Flex 做单细胞转录组？

答案不是一句“能”。更准确地说，是可以通过人鼠探针组合、Cell Ranger 流程和后续过滤，把两类信号拆开，再做下游分析。

为什么这个问题很常见？ ​

做肿瘤 PDX 或 CDX 的同学应该很熟悉这个场景。

肿瘤细胞来自人，基质、免疫、血管和一部分微环境细胞来自小鼠。样本一上机，两个物种的 RNA 信号就混在一起。

传统做法经常要先分选。问题也跟着来：样本量被吃掉，脆弱细胞容易丢，处理时间变长，最后还可能把你最想看的状态处理没了。

Flex 的吸引力就在这里。它支持固定或冷冻材料，实验安排更灵活。对很多真实项目来说，这一点很要命。临床样本和动物实验不总是等你把流程排得漂漂亮亮。

视频里最值得看的三处 ​

第一处是开头的研究问题。

视频一开始就把矛盾摆出来：PDX 单细胞测序里，人鼠细胞混杂会影响物种判定和后续分析。这个问题如果前面没处理好，后面聚类、注释、差异分析都会被拖下水。

第二处是技术处理思路。

文章不是只说“Flex 可以做”。它把人和小鼠探针集合放进同一个反应体系，再借助 Cell Ranger 和后续流程区分物种信号。这里值得做项目的人细看，因为这决定了你的参考基因组、探针配置、过滤策略和下游对象怎么定。

第三处是结果解释。

视频里反复强调，人鼠混合不是简单把两个数据集拼起来。你要看物种分配是否稳定，也要看交叉反应信号会不会影响细胞类型判断。这个地方很容易被忽略。

这篇文章适合谁看？ ​

如果你正在做 PDX、CDX、类器官移植、肿瘤微环境，或者任何人鼠混合样本，这篇值得看。

尤其是下面几类同学：

  • 样本已经很珍贵，不想再消耗在流式分选上；
  • 想用固定或冷冻样本做单细胞；
  • 拿到 Flex 数据，但不知道 Cell Ranger 该怎么配；
  • 下游需要把 human tumor cell 和 mouse microenvironment 分开；
  • 想做一个能复跑的分析模板，而不是临时改脚本。

如果你只是想听个结论，看开头视频就够了。真要上机跑，建议把流程拆开学。

真正上机时要注意什么？ ​

第一，参考和探针不是小事。

人鼠混合样本最怕的是“看起来能跑，结果解释不清”。参考构建、探针集合、Cell Ranger 参数、过滤阈值，都要提前定好。不要等聚类图出来了再回头找原因。

第二，物种分类要先做质控。

先把 human、mouse、mixed、low confidence 这几类细胞看清楚，再谈细胞注释。否则你可能会把鼠源免疫细胞误读成人源肿瘤状态，或者把交叉反应信号当成生物学现象。

第三，结果图要讲给人听。

这类项目最后不能只交一个 Seurat 对象。最好把物种分配、QC、UMAP、marker、比例变化、差异分析和通路结果整理成一套图。导师或客户看的是结论，不是你跑了多少命令。

云平台能帮你省掉哪部分时间？ ​

这类流程最耗时间的地方，通常不在算法本身。

麻烦的是环境、路径、参考文件、流程顺序，还有中途出错后不知道该查哪里。云平台适合把这些东西先整理成一个可复用项目。

我们可以按下面这种结构交付：

text
my-rawdata/      原始测序文件、样本信息、参考说明
my-data/         Cell Ranger 输出和整理后的分析对象
demo-rawdata/    教学用输入示例
demo-data/       教学用中间结果
scripts/         Cell Ranger、Seurat、可视化脚本
results/         QC 图、UMAP、marker 图、物种分配图
readme/          上机说明和常见报错
conda-env/       可复用运行环境

如果你是学生，跟着这个结构跑一遍，就知道 PDX 人鼠混合单细胞不是“把数据丢进 Seurat”这么简单。

如果你已经有项目数据，也可以把自己的样本表和 Cell Ranger 输出替换进去，直接改成你的项目版本。

完整资料怎么拿？ ​

这篇文章不直接放完整脚本和数据。

原因很简单：真正能复用的不是几行代码，而是一套上机顺序和检查点。你需要知道每一步输出什么，错了怎么看，哪些结果可以继续往下做，哪些结果要回头重跑。

想拿下面这些内容，可以加客服微信：

  • PDX/CDX 人鼠混合单细胞分析目录模板；
  • Cell Ranger 运行和检查思路；
  • human/mouse 物种分配结果的整理方式；
  • Seurat 下游分析和出图脚本；
  • 云平台上机复现说明。

客服微信：15259811736

备注“Flex人鼠混合单细胞”，说明你想要文章资料、复现包或云平台上机流程。

最后说句实在的 ​

PDX 单细胞分析不是不能做，怕的是前面把人鼠信号混着跑，后面再用漂亮图补救。

这篇 Genome Biology 文章适合拿来当一个入口：先把 Flex 的实验逻辑看懂，再把 Cell Ranger 和下游分析接起来。等这条线跑顺了，后面再看肿瘤细胞状态、鼠源微环境、治疗前后变化，才比较稳。

服务器地址：https://vip.r-py.com/

参考：