scFEA：一站式解决单细胞代谢分析

前言

如今的医学科研工作已经踏入了单细胞时代，单细胞多组学赋予了科研工作者更加精确的研究视野。利用单细胞测序技术，我们解决了之前不能解决的很多科学问题，但同时也引出更多的新的问题。细胞代谢是影响细胞功能的基础条件之一，在很多特定条件下，细胞代谢的改变往往早于细胞功能的改变。因此，成功的揭示不同条件下细胞的代谢状态，能够给我们研究细胞功能提供很好的参考价值。但是，即使是组织水平的代谢流也是稍纵即逝的，传统的生物学技术无法较好的捕捉同一时间下不同功能状态下的细胞代谢，而单细胞测序技术可以给我们提供一个新的研究思路。

目前已经开发出很多基于单细胞测序数据研究细胞代谢的工具，比如Compass，scFBA，scMetablism等。其中Compass功能是最强大也相对最准确的，其相应的文章于2021年发表在Cell杂志上，但是这个软件非常笨拙，很少有人可以灵活使用；scFBA，scMetablism就相对较水了，特别是scMetablism，就类似于我们平时做的基于已有的功能数据集GSVA或者说ssGESA分析，其分析出的代谢结果可参考的价值并不大。

image.png

今天Immugent介绍一款最近刚发表的一个分析单细胞代谢的工具：scFEA（single-cell flux estimation analysis），其相应的文章于今年七月发表在Genome Research杂志上。

---

主要内容

细胞间的代谢异质性，和代谢物之间的相互作用被认为是疾病治疗耐药性的重要影响因素。然而，由于缺乏成熟的高通量单细胞代谢组学技术，我们尚未对组织内代谢异质性和协同机制建立系统的认识。为了缓解这一技术短板，作者开发了一种新的计算方法，即单细胞通量估计分析(scFEA)，以从scRNA-seq数据推断细胞内代谢物的通量研究。

image.png

文章的第一幅图就是介绍这个软件的开发流程，主要是基于两个假设：（1）代谢模块的通量变化可以建模为催化酶转录组水平变化的非线性函数；(2) 所有中间底物的总通量不平衡应在所有单细胞中最小化。

image.png

scFEA同样是基于已有的一些代谢相关的功能通路，不过作者将代谢图谱中的网络图案被简化为代谢模块，其中反应和代谢物用黑色和蓝色的矩形表示，模块和代谢物用绿色和粉色表示。

image.png

随后作者用已知的细胞代谢情况的数据集对scFEA的分析结果进行验证。

image.png

最后作者还将scFEA应用于两个肿瘤scRNA-seq数据集，ROSMAP和一个乳腺癌空间转录组数据集。从它们的分析结果中可以推断出这个软件应用领域广泛，基本可以涵盖单细胞组学的各种代谢分析需求。

---

展望

scFEA通过系统的重构人类代谢图谱、利用通量平衡约束的scRNA-seq数据概率模型，以及联合神经网络的新型优化求解器而开发出的强大工具。通过利用多层神经网络捕获从转录组到代谢组的复杂信息级联，并且还将酶基因表达和反应速率之间的非线性依赖关系考虑在内。作者通过实验数据验证了scFEA的准确性，生成了一个具有匹配的代谢组学数据的scRNA-seq数据集。在该数据集上应用scFEA可以看出，在匹配的代谢组学数据中，预测的通量与观察到的代谢物丰度变化之间存在一致性。最后，作者还对5个公开可用的scRNA-seq和空间转录组数据集应用scFEA，并确定了上下文和细胞组特异性代谢变异。

总的来说，scFEA预测的细胞通量组可用于一系列下游分析，包括识别具有共同代谢变化的代谢模块或细胞群，对酶对整个代谢通量影响的敏感性评估，以及对细胞组织和细胞间代谢通信的推断。

好啦，今天的分享到这就结束了，有单细胞数据代谢分析需求的小伙伴赶紧用起来吧~~

---