Nature Methods
Pertpy：单细胞扰动分析的端到端计算框架

小赛推荐：

该研究提出了Pertpy，一个可扩展、模块化且用户友好的Python框架，用于高效分析大规模单细胞扰动实验数据，集成了多种先进算法与公共数据库注释，显著提升了扰动响应的生物学解释能力。

 

文献概述

本文《Pertpy: an end-to-end framework for perturbation analysis》，发表于《Nature Methods》杂志，回顾并总结了单细胞扰动技术快速发展背景下，现有分析工具在可扩展性、多任务整合和生物学上下文整合方面的局限性。作者团队提出了Pertpy——一个基于Python的模块化分析框架，旨在实现从原始数据处理到生物学机制解析的端到端分析流程。该框架不仅支持多种扰动类型（如基因编辑、药物处理、疾病状态等），还通过集成公共数据库（如DepMap、GDSC、CMap等）实现数据的自动注释与上下文化，从而提升结果的可解释性。Pertpy作为scverse生态系统的组成部分，具备良好的互操作性，并提供了超过100个可组合的分析函数，涵盖gRNA分配、差异表达、细胞类型组成变化、多细胞程序识别等多个分析模块。文章通过三个典型应用场景展示了其在发现新基因程序、解构药物响应机制以及解析三阴性乳腺癌治疗反应中的强大能力。整段通顺、有逻辑，结尾用中文句号。

背景知识

近年来，单细胞RNA测序（scRNA-seq）技术已从观察性研究转向扰动实验，广泛应用于基因功能筛选、药物机制研究和疾病建模。代表性技术如Perturb-seq、CROP-seq和Sci-plex实现了在单细胞分辨率下对遗传、化学或环境扰动的高通量检测。然而，随着数据规模和复杂性迅速增长，传统分析流程面临多重挑战：首先，多数现有工具专注于特定任务（如差异表达或富集分析），缺乏统一框架支持多步骤联合分析；其次，许多方法忽视了细胞系或扰动本身的生物学背景，导致结果缺乏上下文解释力；再者，部分工具维护不足或局限于R语言生态，限制了其在Python社区的应用。此外，在组合扰动或高通量药物筛选中，如何有效区分活力依赖性与非依赖性基因表达变化、识别多细胞协同响应以及构建可比的扰动空间，仍是尚未完全解决的问题。Pertpy正是在这一背景下应运而生，旨在填补当前分析生态系统的空白，提供一个可扩展、高效且生物学感知的分析平台，推动单细胞扰动研究向系统化、标准化和机制化方向发展。段落结尾使用

 

针对阿尔茨海默病、脊髓性肌萎缩、视网膜色素变性等罕见病，可提供HUGO-GT®全基因组人源化模型，搭载了更高效的大片段载体融合技术，可以作为万能模板进行针对性的突变定制服务，是更贴近真实世界生物机制的药物临床前研究模型，我们期待与你共同开发新型全基因组人源化小鼠，加速基因治疗研究

了解更多

 

研究方法与实验

研究团队开发了Pertpy，一个基于Python的模块化分析框架，专为单细胞扰动数据设计。该框架构建于scverse生态系统之上，支持AnnData和MuData格式，确保与Scanpy、scvi-tools等主流工具无缝互操作。Pertpy实现了多种核心分析模块：包括基于阈值和泊松-高斯混合模型的gRNA分配方法，适用于低/高感染复数场景；集成Batch Correction技术以消除技术批次效应；通过调用Cell Line Ontology、Drug Ontology、DepMap、GDSC、CMap、PubChem和ChEMBL等数据库进行自动元数据注释；采用Mixscape算法对细胞进行扰动有效性分类；支持多种差异表达分析方法（如PyDESeq2、edgeR）并提供复杂实验设计建模接口；实现scCODA、tascCODA和Milo用于细胞类型组成变化检测；集成DIALOGUE识别多细胞程序（MCPs）；并通过Augur和CINEMA-OT评估细胞类型特异性响应与因果效应。此外，Pertpy引入“扰动空间”概念，通过神经网络判别器将细胞群响应映射为低维嵌入，便于可视化和比较不同扰动效应。框架采用JAX实现GPU加速和并行计算，显著提升大规模数据处理效率。

关键结论与观点

• Pertpy成功整合了超过100个可组合的分析函数，覆盖从原始数据质控到高级生物学机制推断的完整流程，极大简化了复杂扰动实验的分析链条
• 通过三个独立案例研究验证了其多功能性：在CRISPRa筛选中，Pertpy识别出TP73扰动主要影响G1细胞周期程序，并进一步细分“促生长”基因程序为KLF和MAPK两个亚群，揭示了以往未被注释的调控异质性
• 在药物筛选数据中，Pertpy结合GDSC敏感性数据，通过线性回归模型成功解构了dabrafenib响应中的活力依赖性与非依赖性基因表达变化，发现蛋白翻译通路基因在非依赖性响应中上调，提示新的作用机制
• 在三阴性乳腺癌（TNBC）免疫治疗队列中，Pertpy识别出化疗组患者在CD4中央记忆T细胞、CD8效应记忆T细胞等亚群中显著的组成变化，而联合治疗组无此现象；同时通过DIALOGUE发现MCP2模块与IL-7/IL-7R信号相关，可能影响治疗结局
• 框架支持多种距离度量（如Wasserstein、Mahalanobis、E-distance），可用于扰动效应的量化比较和统计测试，增强了结果的可比性和鲁棒性
• Pertpy已集成超过30个公开扰动数据集，支持快速启动分析，并可通过自定义模块轻松扩展，展现出良好的可持续性和社区支持潜力

研究意义与展望

Pertpy的发布填补了单细胞扰动分析领域缺乏统一、可扩展Python框架的空白。其模块化设计和生态系统集成能力使得研究人员能够灵活构建定制化分析流程，而无需频繁切换工具或编程语言。通过自动注释和上下文化，Pertpy显著提升了分析结果的生物学可解释性，有助于发现新的调控程序和机制。

未来，随着空间转录组和多组学扰动数据的兴起，Pertpy有望通过整合Squidpy等空间分析工具，拓展至空间扰动效应分析。此外，针对超大规模数据（如Tahoe-100M），结合Dask等分布式计算方案将进一步提升其处理能力。Pertpy还为构建“扰动图谱”提供了技术基础，通过整合scperturb、PerturBase等资源，有望推动生成式基础模型的发展，使扰动效应预测成为可评估任务。

 

专业的眼科药效学分析平台可提供从眼部注射给药、眼部活体检测、眼部组织取材、病理学分析和基因与蛋白表达分子检测等全流程的眼科药效学分析服务

了解更多

 

结语

本研究介绍了Pertpy——一个面向单细胞扰动分析的端到端Python框架，解决了当前分析工具在可扩展性、多任务整合和生物学上下文整合方面的不足。Pertpy通过模块化设计、数据库集成和高性能计算支持，实现了从原始数据到生物学机制的全流程分析。其在多个真实数据集上的应用展示了在基因程序发现、药物响应解构和免疫治疗机制解析方面的强大能力。作为scverse生态系统的一部分，Pertpy不仅提升了分析效率，还增强了结果的可重复性和可解释性。该框架的开源性质和可扩展架构将促进社区协作，推动单细胞扰动研究向标准化和机制化发展。随着多组学和空间技术的融合，Pertpy有望成为构建扰动图谱和开发基础模型的核心工具，为理解细胞状态调控网络提供新的计算基础。未来工作将聚焦于分布式计算优化和跨模态整合，进一步拓展其应用边界。该研究为单细胞功能基因组学提供了强有力的分析资源，具有广泛的科研价值和转化潜力。

 

Lukas Heumos, Yuge Ji, Lilly May, Herbert B Schiller, and Fabian J Theis. Pertpy: an end-to-end framework for perturbation analysis. Nature Methods.