안녕하세요 😊 테라노트 입니다.📖

CellPhoneDB가 재현성과 유의성을 동시에 확보할 수 있는 이유는,
구축된 데이터베이스와 실제 유전자 발현 패턴을 기반으로 상호작용 가능성이 있는 유전자쌍을 선별한 뒤, permutation test를 이용한 통계적 검정을 수행하기 때문입니다.

상호작용 후보를 추출하는 초기 단계에서는 일정 수준 이상의 발현량을 요구하는 expression threshold가 1차적으로 적용됩니다.
이렇게 선별된 유전자쌍은 모든 세포 유형을 무작위로 섞어 생성한 null distribution과 비교되며, 그 결과는 그림 2의 Method 2에서 확인할 수 있듯이,
관측된 세포 쌍과 유전자쌍 간 상호작용이 실제로 의미 있는지 여부를 p-value 기반으로 평가할 수 있습니다.

더 나아가 CellPhoneDB는 분석 과정에서
Method 3과 같이 Control 대비 Test 그룹의 DEG 정보를 함께 입력할 수 있어,
연구 설계와 직접적으로 연관된 상호작용만을 선별적으로 도출할 수 있습니다.

이를 통해 사용자는 보다 유연하면서도 연구 목적에 부합하는 해석이 가능한 결과를 얻을 수 있습니다.

1. single nuclei RNA-seq 데이터 기반 cell type annotation 수행
2. CellPhoneDB를 이용하여 각 세포유형 간 발생 가능한 상호작용 계산
3. 면역세포 계열 중 NKT cell과 관련된 상호작용만 필터링
4. 지방간 조직에서 NKT cell이 매개할 수 있는 세포 간 상호작용 탐색

• Scaled_means

  • mean value를 0–1 범위로 선형 변환한 값

  • 색이 밝을수록 값이 크며, 점의 크기가 클수록 mean value가 큼을 의미

• Neglog10p

  • 각 상호작용의 P-value에 −log10을 취한 값

  • 통계적으로 유의한 경우(P-value < 0.05), 빨간색 테두리의 크기로 표시

• 상세한 통계값은 그림과 함께 엑셀파일로 제공

• 예를들어, HGF–CD44 상호작용은 여러 세포쌍에서 관찰되지만, 통계적으로 유의한 상호작용은 Stellate cell–NKT cell 간에서만 확인됩니다. 
• 지방간 조직에서 Stellate cell은 HGF–CD44 및 PDGFRA–PDGFC 신호를 통해 NKT cell을 활성화하는 것을 확인할 수 있습니다. [출처 5]
• 활성화된 NKT cell은 CD44–FGFR2 신호를 통해 Cholangiocyte와 Stellate cell을 자극하며,
  FGFR2–CD83 상호작용을 통해 이들 세포의 활성 상태 유지와 면역 환경 조절에 기여하는 것을 유추해볼 수 있습니다. [출처 6,7]

scRNA-seq 데이터는 단일 세포 수준에서 유전자 발현을 정밀하게 분석할 수 있다는 강점을 지니지만, 
기본적인 DEG 분석이나 GSEA 분석만으로는 명확한 타겟이나 가설이 없는 경우 수많은 유전자와 pathway 가운데 연구의 핵심을 선별하기가 쉽지 않습니다.
이로 인해 연구 범위를 좁히기 위해서는 방대한 문헌 조사와 경험에 기반한 해석이 필요하며, 상당한 시간과 노력이 요구될 수 있습니다.

이러한 한계를 보완해 주는 접근법이 바로 세포 간 상호작용(Cell–Cell Interaction) 분석입니다.

세포 간 상호작용 분석은 어떤 세포가 어떤 세포에 신호를 전달하는지를 중심으로
유의미하게 활성화된 상호작용을 직관적으로 제시함으로써,
특정 세포 유형이나 상태에서 중요한 유전자쌍과 상호작용을 중심으로 연구 범위를 효과적으로 좁힐 수 있도록 돕습니다.

이처럼 세포 간 상호작용 분석은 scRNA-seq 데이터 해석의 복잡성을 낮추고,
타겟 발굴과 후속 실험 설계를 위한 실질적인 단서를 제공하는 높은 활용 가치를 지닌 분석 전략입니다.