MIST：深度解析 T 细胞奥秘，开启免疫研究新篇章 —— 一种可解释且灵活的单细胞 T 细胞转录组和受体分析深度学习框架

《SCIENCE ADVANCES》：MIST: An interpretable and flexible deep learning framework for single–T cell transcriptome and receptor analysis

为解决当前单细胞 RNA 测序（scRNA-seq）和单细胞 T 细胞受体测序（scTCR-seq）联合分析存在的问题，研究人员开展了关于开发新分析工具增强 T 细胞生物学整合分析的研究。他们引入 MIST 框架，证明其具有可解释性和灵活性，为 T 细胞免疫功能研究提供了新视角。

　　在生命科学的微观世界里，T 细胞作为免疫系统的关键 “战士”，其功能的深入探究一直是免疫学研究的重要课题。T 细胞的功能很大程度上受其 T 细胞受体（TCR）影响，TCR 能识别抗原并传导信号，启动下游生物学过程。随着单细胞测序技术的发展，单细胞 RNA 测序（scRNA-seq）和单细胞 T 细胞受体测序（scTCR-seq）能够在单细胞分辨率下描绘转录组和 TCR 特征，为深入理解 T 细胞功能提供了有力工具。然而，目前多数研究在联合分析 scRNA-seq 和 scTCR-seq 数据时存在缺陷，大多将二者视为相对独立的过程，主要基于 TCR 克隆型进行基因表达（GEX）和 TCR 的联合分析。而且现有的相关算法和工具也各有不足，比如克隆型邻居图分析（CoNGA）和 Tessa 依赖于所有具有相同 TCR 克隆型的 T 细胞具有相似转录组谱这一假设，但在不同个体、组织、批次以及复杂疾病微环境中的 T 细胞并不一定符合；单细胞网络对齐工具（scNAT）虽利用深度学习将数据合并到联合潜在空间，但缺乏对 GEX 和 TCR 的单独潜在表示，模型也缺乏可解释性。

为了突破这些困境，来自未知研究机构的研究人员开展了一项重要研究，他们引入了 MIST（Multi-insight for T cell），这是一种可解释且灵活的深度学习框架，用于单细胞 T 细胞转录组和受体分析。该研究成果发表在《SCIENCE ADVANCES》上，为 T 细胞免疫功能研究开辟了新道路。

研究人员在这项研究中用到了多个关键技术方法。首先，MIST 基于变分自编码器（VAE）架构，将输入数据编码为潜在空间变量，并通过解码器重建原始数据。在处理数据时，利用了自注意力机制和完全连接神经网络机制对数据进行解析。对于数据的处理，scRNA-seq 数据经 scanpy 处理，筛选细胞和基因、归一化表达等；scTCR-seq 数据经 scirpy 质控，保留特定 T 细胞并处理序列。此外，通过多种分析方法如主成分分析（PCA）、聚类分析等对数据进行深入挖掘。

下面来看具体的研究结果：

• MIST 用于转录组和 TCR 整合：MIST 可分别计算来自 GEX、TCR 和联合潜在空间的表示，用于 T 细胞功能表征。它能同时处理多个单细胞转录组和 TCR 数据集，并自动消除批次效应。通过对 10x Genomics 的数据集分析发现，MIST 能有效重建 GEX 和 TCR 数据，且随着训练周期增加，重建的准确性提高。
• 单细胞 GEX 分析：将 MIST 应用于 10x_200k 数据集，其 GEX 编码器有效去除了 scRNA-seq 的批次效应，通过主成分分析、降维可视化和细胞聚类，将细胞分为八个簇。同时，GEX 编码器的自注意力层能提供生物学意义的见解，基因到细胞的注意力权重可用于注释细胞簇，基因到基因的注意力权重反映了基因的共表达关系。
• TCR 的解释：MIST 的 TCR 编码器能将 TCR 序列转化为有生物学意义的嵌入表示，训练后的氨基酸嵌入能反映 CDR3 序列中氨基酸的特性。TCR VAE 创建的潜在 128D TCR 表示可用于降维和可视化，其 UMAP 图将 T 细胞分组为稀疏簇，部分簇与转录组功能注释对应。
• T 细胞 GEX 和 TCR 的联合分析：对 10x_200k 数据集的 T 细胞计算联合潜在空间，其 UMAP 图显示，幼稚 T 细胞簇保持完整，记忆和细胞毒性 T 细胞簇结构改变。通过分析抗原特异性数据发现，联合潜在空间能更有效地模拟 T 细胞间的相似性，且 T 细胞的记忆亚群与特定抗原特异性相关，同时联合表示编码了复合转录组和抗原特异性特征。
• 非小细胞肺癌（NSCLC）中 T 细胞的表征：利用 MIST 分析接受抗程序性细胞死亡蛋白 1（PD-1）治疗的 NSCLC 患者的 T 细胞，GEX 编码器再次有效去除批次效应。联合潜在空间用于下游分析时，T 细胞被分为 12 个簇，且联合表示与 TCR 表示更相似，这表明在特定生物环境中 T 细胞功能受 TCR 克隆型影响较大，同时也证明了 TCR 和联合潜在空间能有效编码 TCR 序列。
• 识别抗 PD-1 特异性 T 细胞：在 NSCLC 抗 PD-1 治疗数据集中，通过对联合潜在空间衍生的 T 细胞簇分析发现，簇 5 - 9 的细胞几乎都来自对抗 PD-1 治疗有反应的肿瘤，且这些细胞高表达 CXCL13。进一步研究发现，簇 1 中的 CXCL13⁺T 细胞与簇 5 - 9 的功能不同，提示除 CXCL13 外还需考虑其他标记物来准确判断 T 细胞对治疗的反应，同时 MIST 可用于预测免疫治疗预后。
• 发现重症 / 危重症 COVID-19 患者特异性 T 细胞：分析 COVID-19 患者的外周血单个核细胞（PBMC）的 scRNA-seq 和 scTCR-seq 数据，MIST 的 GEX 潜在嵌入聚类有效，KNN 预测器能准确分类细胞。联合潜在嵌入聚类发现，簇 22、23 和 24 的细胞来自 COVID-19 患者比例高，干扰素（IFN）反应评分高，且这些簇高表达 KLRK1 等基因，反映了 MIST 在揭示 T 细胞独特见解方面的实用性。

综合上述研究结果，MIST 作为一种专为 T 细胞 scRNA-seq 和 scTCR-seq 数据整合分析设计的深度学习模型，具有诸多优势。它通过联合表示学习全面的 T 细胞多模态模型，有效整合 GEX 和 TCR 特征，为单细胞测序数据分析提供了多种关键功能。其模块化设计将 GEX 和 TCR 投影到各自潜在空间，结合自然语言处理技术，增强了可解释性。与其他算法和工具相比，MIST 更加灵活、可解释且稳健，在多种场景下展现出独特价值。不过，MIST 也存在一些局限性，如无法基于一种模态生成另一种模态数据，训练时间相对较长。但总体而言，MIST 为在单细胞分辨率下分析 T 细胞提供了强大的框架，有助于深入理解 T 细胞生物学及其在健康和疾病中的作用，为免疫相关疾病的研究和治疗提供了新的有力工具，推动了生命科学和健康医学领域的发展。