单细胞数据分析新思路：像看地图一样理解细胞命运，PAGA图抽象实战详解

单细胞测序技术正在彻底改变我们对生命系统的理解方式。想象一下，你手中握有一张城市地图，能够清晰地看到每条街道的连接方式、交通枢纽的位置以及不同区域之间的通行路径——这正是PAGA（Partition-based Graph Abstraction）为单细胞数据分析带来的革命性视角。不同于传统的降维可视化方法，PAGA将复杂的细胞群体转化为一张拓扑地图，让研究者能够直观地把握细胞间的发育关系和异质性结构。

对于希望超越简单"跑流程"的研究者而言，PAGA提供了一种全新的思维方式。它不再局限于二维或三维空间中的点云分布，而是构建了一个包含多层次信息的网络结构。这张"细胞地图"能够同时展现：细胞群体的聚类关系（哪些细胞属于同一类型）、发育轨迹（细胞如何从一种状态转变为另一种状态）以及关键分支点（细胞命运决定的关键时刻）。更重要的是，PAGA允许在不同分辨率下探索这些关系，就像地图可以缩放查看城市全貌或街道细节一样。

1. PAGA核心思想：从点云到拓扑地图

1.1 图抽象的基本原理

传统单细胞数据分析面临一个根本性挑战：如何从高维基因表达数据中提取有生物学意义的模式。大多数方法要么采用聚类分析（假设数据由离散的细胞类型组成），要么采用轨迹推断（假设数据位于连续的发育流形上）。PAGA的创新之处在于统一了这两种看似矛盾的观点。

PAGA的核心步骤可以概括为：

1. 构建单细胞邻域图：首先基于基因表达相似性，将每个细胞表示为图中的节点，相似细胞之间用边连接
2. 分区抽象：使用聚类算法将细胞分组，每个组成为一个"超级节点"
3. 计算连接强度：统计组之间的边数量，评估连接的可信度
4. 生成PAGA图：保留高置信度连接，形成简化的拓扑结构

提示：PAGA图中的边权重不是简单的距离度量，而是连接可能性的统计评估，这使其对噪声具有鲁棒性。

1.2 与传统方法的对比

与Monocle等轨迹推断工具相比，PAGA具有几个独特优势：

特性	PAGA	传统轨迹推断
数据结构	保留离散和连续结构	通常假设纯连续流形
噪声处理	统计模型过滤虚假连接	对噪声敏感
分辨率	多层级分析	通常单一分辨率
可视化	拓扑图+嵌入空间	主要依赖低维嵌入

在实际应用中，PAGA特别适合处理以下场景：

• 复杂分支系统：如造血过程的多系分化
• 不完整采样数据：当细胞状态覆盖不全时仍能保持稳健
• 大规模数据集：计算效率高于许多轨迹推断方法

2. 解读PAGA地图：节点、边与连接强度

2.1 地图要素的生物学含义

理解PAGA图的关键在于掌握其核心要素的生物学对应关系：

• 节点：代表一组转录组相似的细胞，可以对应于：
  • 已知的细胞类型
  • 发育中间状态
  • 功能亚群
• 边：表示组间潜在的发育关系，其特性包括：
  • 连接强度：转换可能性的置信度（通常用线宽表示）
  • 方向性：当整合RNA velocity时可推断发育方向
• 拓扑结构：反映发育轨迹的整体架构，如：
  • 线性进程（简单分化）
  • 分支结构（命运决定）
  • 循环结构（细胞周期或转分化）

2.2 多分辨率探索策略

PAGA的一个强大功能是支持"缩放"式分析，类似于地图的不同比例尺：

# 示例：Scanpy中设置不同分辨率参数
import scanpy as sc
adata = sc.read("your_data.h5ad") 

# 高分辨率（更多节点）
sc.tl.paga(adata, resolution=2.0)  

# 中等分辨率
sc.tl.paga(adata, resolution=1.0)

# 低分辨率（更少节点，更简洁）
sc.tl.paga(adata, resolution=0.5)

分析实践建议：

1. 从较低分辨率开始，把握整体结构
2. 逐渐提高分辨率，聚焦感兴趣的分支区域
3. 结合标记基因表达验证关键节点的生物学意义

3. 整合RNA velocity：为地图添加方向箭头

3.1 RNA velocity原理简述

RNA velocity通过分析未剪接与已剪接mRNA的比例，推断细胞的瞬时状态变化。它提供了两个关键信息：

• 分化方向：细胞将要转变的状态
• 转变速度：变化发生的相对速率

当与PAGA结合时，这些信息可以转化为发育轨迹的方向性预测，解决传统轨迹推断中需要人为指定起点的问题。

3.2 速度图抽象技术

PAGA扩展了基础算法，能够从RNA velocity信息中提取有向图：

1. 构建速度图：计算细胞间的转移概率
2. 分区抽象：在组级别统计转移趋势
3. 方向赋值：确定PAGA边的指向性

典型工作流程：

# 使用scVelo计算RNA velocity
scv.tl.velocity(adata, mode="stochastic")
scv.tl.velocity_graph(adata)

# 与PAGA整合
scv.tl.paga(adata, use_time_prior="velocity_pseudotime")

注意：RNA velocity的质量高度依赖剪接动力学模型的准确性，不同数据集可能需要调整参数。

4. 实战案例：造血系统发育图谱解析

4.1 数据准备与预处理

以公开的造血干细胞数据集为例，演示完整分析流程：

# 加载数据
adata = sc.datasets.paul15()

# 标准预处理
sc.pp.recipe_seurat(adata)
sc.pp.neighbors(adata)
sc.tl.umap(adata)

# 聚类与PAGA
sc.tl.leiden(adata, resolution=0.8)
sc.tl.paga(adata)

4.2 多角度结果解读

可视化策略对比：

方法	优点	局限性
PAGA图	清晰展示拓扑关系	缺乏细胞级细节
UMAP+PAGA	结合局部与全局结构	可能丢失部分拓扑信息
速度流图	显示动态变化	需要高质量velocity数据

关键发现解读技巧：

• 检查已知标记基因在轨迹上的表达模式
• 验证分支点附近的调控因子
• 比较不同分辨率下的一致性结构

4.3 常见问题排查

PAGA分析中的典型挑战与解决方案：

1. 连接过于密集：

   • 提高聚类分辨率
   • 调整kNN图中的邻居数量

   sc.pp.neighbors(adata, n_neighbors=15)
   

2. 重要分支缺失：

   • 检查是否过度聚类
   • 确认关键中间状态细胞是否被正确识别

3. RNA velocity方向矛盾：

   • 验证剪接动力学假设
   • 尝试不同的velocity计算模式

   scv.tl.velocity(adata, mode="dynamical")
   

在造血系统的分析中，PAGA成功再现了红细胞、巨核细胞和髓系细胞的分化轨迹，同时揭示了嗜碱性粒细胞可能存在的双起源路径——这一发现与近期研究中的争议相吻合，展示了PAGA在解析复杂生物学问题上的独特价值。