细胞过程是通过一组基因协同作用形成细胞反应来实现的，当基因相互作用网络被破坏时，可能会造成细胞功能损害从而导致肿瘤等疾病出现，了解基因-基因间相互作用的组织方式对全面了解疾病机制至关重要。目前，人们已经付出大量精力来构建参考互作网络，但精确的基因互作网络在其时空背景下可能会被重塑。

近年来，多组学数据的积累为推断准确的组织特异性基因互作网络提供了机会。此外，随着单细胞RNA测序（scRNA-seq）技术的迅速发展，在单细胞水平上解析异质组织成为可能，其已被广泛用于解析肿瘤微环境的细胞异质性。因此，，利用从人类恶性肿瘤积累的scRNA-seq数据来研究细胞异质性中的基因互作网络，可补充基于表达的方法以阐明潜在的分子机制。

近日，中国医学科学院血液学研究所原佳沛团队与天津医科大学基础医学院杨扬团队合作在Genome Medicine发表了题为“An atlas of cell-type-specific interactome networks across 44 human tumor types”的文章。研究团队收集了大规模肿瘤scRNA-seq数据，构建了一个跨44种肿瘤类型的细胞类型特异性互作网络图谱；通过协调不同肿瘤类型的细胞类型注释，构建了肿瘤免疫微环境中（TIME）不同免疫细胞亚群的泛肿瘤图谱和互作网络图谱；并开发了一个数据门户网站CellNetdb，允许用户浏览、查询和可视化特定细胞类型的互作网络，利用这些网络可优先筛选风险基因，与多方面的功能数据相结合能获得更多生物学见解。

该研究表明，肿瘤中细胞类型特异性互作网络图谱和CellNetdb将有助于表征肿瘤微环境，并加强人们对肿瘤发生发展的分子机制的理解。

文章发表在Genome Medicine

为构建细胞类型特异性互作网络图谱，研究团队通过文献检索手动收集、统一处理了来自563例患者约220万个单细胞的scRNA-seq数据集，共涵盖44种不同肿瘤类型，包括36种实体瘤类型和8种血液恶性肿瘤。对于每种肿瘤类型，研究团队对来自不同样本的scRNA-seq数据进行整合及无监督聚类，将细胞分为不同的组。

此外，研究团队还将来自不同实体肿瘤的CD4+ T细胞、CD8+ T细胞、B细胞和髓系细胞进行批次效应校正，以确定不同实体肿瘤类型的TIME图谱，最终构建了一个包含422,761个免疫细胞的大规模泛肿瘤图谱；通过无监督基于图的聚类，识别了每种免疫细胞类型的不同细胞亚群。

进一步，研究团队利用SCINET方法重建不同细胞类型特异性互作网络，其中参考互作网络包括STRING、ConsensusPathDB、HumanNet和Reactome。

图1. 总研究概要。

基于上述研究结果，研究团队开发了CellNetdb，这是一个综合性数据门户网站，有助于用户查询和可视化细胞类型特异性互作网络（图2）。为便于解读这些网络，研究团队还建立了多功能面板。

“Taxonomy”页面提供了基于单细胞转录组的细胞分类概述，其还包括泛肿瘤免疫细胞亚群的细胞分类信息；利用统一流形近似和UMAP，用户可直观看到不同细胞类型的二维表示和标记基因的表达水平；此外，圆形图被用于可视化基于聚合信号通路的细胞间通讯。每种细胞类型的细胞数量均显示在汇总表中，可通过“summary”面板访问。

“CellNet”页面旨在研究具有多功能模块的细胞类型特异性互作网络，用户可以在选择肿瘤类型和细胞类型后输入基因符号，获得包含所查询基因及其邻近基因的局部网络并将其可视化；采用多功能功能模块，可促进人们对生物学知识的理解。

“Communication” 面板则允许用户研究局部网络如何影响不同类型细胞之间的细胞-细胞相互作用，研究团队发现髓系细胞通过MDK及其受体LRP1的相互作用对恶性上皮细胞产生应答。综上，CellNetdb有助于揭示基因-基因相互作用的细胞异质性，增强人们对基因在肿瘤发生和发展细胞环境中的功能作用的理解。

图2. CellNetdb各功能模块示意图

不同细胞类型的基因相互作用可导致网络拓扑结构发生变化，这种变化可能因细胞环境的不同而具有不同的功能重要性。为评估细胞类型特异性网络能否解析基因在特定环境作用中的作用，研究团队使用SCINET引入了一种称为拓扑特异性（topS）的指标，该指标允许直接量化基因在网络中的影响，并以TIME中的髓系细胞为例进行研究（图3）。结果显示，已知特征基因在相应细胞亚群中的topS值显著较高，表明推断的局部相互作用拓扑结构有效地捕获了与环境相关的生物学作用。

此外，研究团队依据每个细胞亚群中topS和tranS（表达特异性）评分确定了前500个基因，发现即使转录特异性和拓扑特异性具有全局相关性，topS和tranS识别的候选基因之间存在适度一致性，这表明细胞类型特异性网络可补充传统的表达分析。上述结果表明，细胞类型特异性网络能够识别不同细胞类型中的拓扑特异性基因，以及在细胞类型网络中具有优先影响作用的基因。

图3. 泛肿瘤髓系细胞中具有细胞类型特异性影响的拓扑特异性基因。

不同细胞类型中具有功能相关性的分子网络的重连也有助于识别与疾病相关的细胞类型。受先前研究启发，研究团队提出通过分析预后基因在细胞类型特异性网络中的连接性，将与预后相关的基因集与不同细胞类型相关联，以识别与肿瘤预后相关的特定细胞类型。

在TCGA项目的临床数据中，研究团队通过对不同细胞类型特异性网络的连接性进行分析（图4），发现预后相关基因在非癌细胞中（包括基质细胞和免疫细胞）具有较强网络连接性，表明一些预后相关基因可能在肿瘤微环境的非癌细胞中发挥作用。进一步，研究团队重点研究了胃癌成纤维细胞特异性互作组网络中预后基因的强连接性，共鉴定出128个顶级预后基因，其中78个彼此紧密相连；预后基因ITGB1、CAV1、BMP4和PDGFRB等与肿瘤转移扩散相关，并在成纤维细胞特异性网络中表现出高度中心性。上述结果表明，细胞类型特异性互作网络能够将预后基因关联到特定细胞类型，并有助于识别特定细胞类型中潜在的关键靶点。

图4. 癌症预后基因特征的细胞类型去卷积。

癌症进展相关基因的鉴定是一个具有重要生物学意义的重要挑战，细胞类型特异性网络为在特定细胞类型背景下扩展基因优先级排序提供了一种有前景的方法。目前已开发了几种基于网络的优先级排序方法（RWR、GenePanda、Node2Vec和DIAMOnD）来对疾病相关基因进行排序，研究团队对这些方法进行性能评估。结果显示，RWR在利用生物网络对风险基因进行优先排序方面优于其他方法。因此，研究团队将RWR方法应用到CellNetdb中，建立了基于细胞类型特异性互作网络的风险基因优先排序方法（图5）。

CellNetdb平台允许用户上传基因列表作为种子基因，以便在细胞类型特异性网络中优先筛选风险基因。研究团队使用葡萄膜黑色素瘤和急性髓系白血病进行案例研究，以证明该平台实用性，结果显示有高比例候选基因被注释为癌症驱动基因。

此外，用户还可以使用针对不同免疫细胞亚群的互作网络来确定风险基因的优先级。例如，输入一个与T细胞衰竭相关的基因列表作为种子基因，就会返回一个使用CD8+衰竭T细胞特异性网络排序的候选基因列表。结果显示，CellNetdb平台优先级分析中排名最高的基因可能参与了T细胞衰竭，并影响了ICB治疗的有效性。

图5. 在CellNetdb中优先筛选风险基因。

综上所述，研究团队开发了一个综合性数据库CellNetdb，其包含大规模肿瘤微环境中的细胞类型特异性互作网络图谱。该数据库提供了各种功能，旨在提供深入的生物学见解。研究团队展示了细胞类型特异性网络的实际应用，包括拓扑特异性基因的识别、预后基因的细胞类型反卷积以及风险基因的优先级排序。该研究结果表明，CellNetdb有潜力成为探索候选基因和生成可验证假设的宝贵资源的潜力，最终有助于人们更深入地了解肿瘤微环境，并推动精准肿瘤学的发展。

参考文献：

Li, Z., Liu, G., Yang, X. et al. An atlas of cell-type-specific interactome networks across 44 human tumor types. Genome Med 16, 30 (2024). https://doi.org/10.1186/s13073-024-01303-w