CellChat for systematic analysis of cell-cell communication from single-cell and spatially resolved transcriptomics
https://biorxiv.org/content/10.1101/2023.11.05.565674v1
以下は、上記の論文のアブストラクトをChatGPTに解釈させたものです。解釈の正確性について保証はいたしません。
本研究の学術的背景は、最近のシングルセルシーケンシング技術の進歩により、組織の細胞間コミュニケーションを系統的かつバイアスの少ない方法で探索する機会が提供されていることです。研究課題の核心は、既知の分子相互作用と測定値を統合し、複雑な細胞間コミュニケーションネットワークを同定・分析するための枠組みを開発することです。
本研究の目的は、CellChat v2という計算ツールを使用して、シングルセルRNAシーケンシング（scRNA-seq）データおよび空間的に解像されたトランスクリプトミクスデータから細胞間コミュニケーションを推定・分析するための手順を提供することです。本研究の学術的独自性と創造性は、CellChat v2の前バージョンと比較して、空間的情報の直接的な組み込みや比較機能の拡張、豊富な注釈付きのリガンド-レセプターペアのデータベース、インタラクティブなCellChat Explorerの追加など、多くの改良が行われた点にあります。
本研究は、細胞間通信の分野における最新の研究動向に基づいています。過去には、シングルセルトランスクリプトミクスデータと既知のリガンド-レセプター相互作用情報を使用して、細胞間コミュニケーションを推定・分析するための計算手法が開発されてきました。しかし、シングルセルトランスクリプトミクスでは空間情報が失われてしまうため、本研究では空間的に解像されたトランスクリプトミクスデータの活用により、細胞間コミュニケーション解析の改善が図られています。
本研究では、まずCellChat v2の手順を提供しています。これにより、scRNA-seqデータおよび空間的に解像されたトランスクリプトミクスデータから細胞間コミュニケーションを推定・分析することができます。また、異なるデータセット間での変化したシグナリングの同定も行います。具体的な手順や使用方法は、プロトコルとGitHub上のツールおよびチュートリアルで詳細に説明されています。
本研究では、CellChat v2を使用して細胞間コミュニケーションを推定・分析した結果をもとに、いくつかの有効性の検証が行われました。具体的には、異なるデータセットや条件でのシグナリングの変化を同定し、異なる条件下でのリガンド-レセプターペアの統計的な上下調節を評価しました。また、CellChat v2の実行時間や視覚化出力の効果的な活用によるデータ解釈の容易さなども検証されています。