Agent Skills
返回列表
NicheNet 细胞互作 PDAC 顶刊复现

NicheNet 细胞互作 PDAC 顶刊复现

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_30836134/nichenet-pdac。

技能介绍

要解决什么问题

在胰腺导管腺癌(PDAC)或类似单细胞/空间组学场景里,你往往已经拿到接收细胞的差异表达基因集(geneset),但真正难的是:哪些分泌配体在微环境中最可能驱动这些基因变化?单靠表达相关性或文献关键词很难给出可复现、可排序的结论。本技能围绕 NicheNet 的配体优先级分析,把「差异基因 → 候选配体 → 靶基因网络」串成一条可对照顶刊(Chen et al., 2025, Cancer Cell)的流程。

技能如何工作

整体按五步推进,每一步都对应脚本里的关键检查点:

  1. Geneset 定义:明确接收细胞的差异表达基因,作为下游预测的输入。
  2. 先验加载与矩阵预处理:载入 ligand–target 先验与表达矩阵,保证行名列名与对象一致。
  3. 配体活性预测:通过 potential_ligands 的三重交集(去重、与矩阵列对齐、与表达基因相交)筛掉假配体,再基于 aupr_corrected 等指标给出配体活性排名。
  4. Ligand-target 网络:在 top 配体基础上构建调控网络,便于解释生物学含义。
  5. 敏感性对照:不同 geneset 或先验版本下 top 配体是否稳定,是写进文章/报告前的必查项。

技能材料里还整理了常见坑,例如全零配体列会污染 aupr_corrected 排名、背景基因集需取表达基因与矩阵行名的交集、排序前需用 is.finite 过滤等——这些都直接影响你能否复现论文式结果。

适用边界

本技能面向 R / NicheNet 分析链路,官方说明 Windows 原生环境不可装,需在 WSL 等 Linux 兼容环境运行。它解决的是「给定 geneset 的配体优先级与网络」,不替代上游差异分析或细胞类型注释;结论应结合敏感性检验,并注明所用 geneset 与先验版本。

使用场景

  • PDAC 单细胞项目中已得到间质/免疫细胞对肿瘤细胞的接收方差异基因,需要按顶刊方法排出调控配体优先级
  • 空间转录组或细胞通讯分析后,要用 NicheNet 把某类接收细胞的 geneset 映射到 ligand-target 调控网络
  • 复现 Cancer Cell 论文图表时,需要按三重交集规则构建 potential_ligands,避免假配体进入 aupr 排名
  • 撰写讨论稿前,需对更换 geneset 或先验矩阵版本后的 top 配体做敏感性对照并写入方法学说明

适合人员

  • 肿瘤免疫/微环境方向的生物信息学分析员,要在 PDAC 数据中交付可发表的配体优先级结果
  • 做单细胞课题的研究生,已跑完差异分析但不懂 NicheNet 先验与矩阵对齐细节
  • 需要对照 Chen et al. Cancer Cell 流程复现图表与生信顾问,希望按技能里的常见坑清单排错
  • 空间组学或细胞互作方向的研发科学家,要把接收细胞 geneset 解释成可验证的配体–靶基因假说