学位论文简介

细胞间通讯（Cell-Cell Communications; CCCs）通过协调不同细胞类型间的分子信号传递，在个体发育、组织稳态维持等关键生物过程中发挥重要作用。为解析细胞通讯全景景观，研究人员需要推断出组织内发生通讯的发送细胞与接收细胞，以及它们之间作为通讯介质的“配体-受体相互作用”（Ligand-Receptor Interactions; LRIs），并进一步探究这些通讯对接收细胞下游功能事件的影响。本研究主要面向单细胞（single-cell RNA sequencing, scRNA-seq）及空间转录组（Spatial Transcriptomics，ST）测序数据的细胞间通讯推断任务，重点针对LRIs筛选、通讯强度建模、空间信息融合、下游通讯功能事件解析等问题进行深入研究，具体工作如下：

(1) 基于蛋白质语言大模型的“配体-受体”介导的细胞间通讯推断方法：针对现有细胞通讯推断方法在识别LRIs时存在的覆盖不全、置信度低、组织混乱的问题，本文提出了一种基于蛋白质语言大模型的“配体-受体”介导的细胞间通讯推断方法（SeqCCC）。

(2) 基于多模态图卷积网络的“配体-受体”介导的细胞间通讯推断方法：针对SeqCCC方法在基于序列建模取得进展后，仍面临的多模态特征整合不足、图结构信息利用缺失以及通讯强度量化机制待优化等新挑战，本文接着提出了一种基于多模态图卷积网络的“配体-受体”介导的细胞间通讯解析方法（CellMsg）。

(3) 基于单细胞大模型的空间转录组数据细胞间通讯推断方法：针对SeqCCC以及CellMsg仅面向解离的单细胞转录组数据，未能充分利用空间转录组数据提供的关键物理邻近信息，且目前基于空间转录组数据的细胞通讯推断方法仍然缺乏的新挑战，为进一步提高细胞通讯推断分辨率，本文进一步提出了一种基于单细胞大模型的空间转录组数据的细胞间通讯推断方法（SpaCCC）。

(4) 基于单细胞测序数据解析主导细胞通讯下游功能事件的细胞通讯体：针对先前方法在准确推断细胞间通讯后仍面临的解析通讯信号对下游细胞功能调控机制不明确、难以量化特定通讯事件对接收细胞行为或基因表达影响程度的新挑战，本文接着提出一种基于scRNA-seq数据解析主导细胞通讯下游功能事件的细胞通讯体方法（scDCA）。

主要学术成果

[1] Boya Ji, Xiaoqi Wang, Debin Qiao, Liwen Xu, Shaoliang Peng. SpaCCC: Large language model-based cell-cell communication inference for spatially resolved transcriptomic data[J]. Big Data Mining and Analysis, 2024: 2024.02. 21.581369. (SCI, 本人第一作者)

[2] Hong Xia, Boya Ji, Debin Qiao, Shaoliang Peng. CellMsg: graph convolutional networks for ligand-receptor-mediated cell-cell communication analysis[J]. Briefings in Bioinformatics, 2024, 23(9): bbae175. (SCI, 本人通讯作者)

[3] Boya Ji, Xiaoqi Wang, Xiang Wang, Liwen Xu, Shaoliang Peng. scDCA: Multi-view graph learning for deciphering the dominant cell communication assembly of downstream functional events from single-cell RNA-seq data[J]. Briefings in Bioinformatics, 2024: 2024.02. 28.582416. (SCI，本人第一作者)

[4] Boya Ji, Haitao Zou, Liwen Xu, Xiaolan Xie, Shaoliang Peng. MUSCLE: multi-view and multi-scale attentional feature fusion for microRNA–disease associations prediction[J]. Briefings in Bioinformatics, 2024, 25(3): bbae167. (SCI，本人第一作者)

[5] Boya Ji, Hong Xia, De Dong, Shaoliang Peng. SeqCCC: A Sequence-Informed Ligand-Receptor Interaction Prediction Method for Cell-Cell Communication Inference[C]//2024 IEEE international conference on bioinformatics and biomedicine (BIBM). IEEE. (EI, 本人第一作者)

[6] Boya Ji, Hong Xia, De Dong, Shaoliang Peng. SeqCCC: A Sequence-Informed Ligand-Receptor Interaction Prediction Method for Cell-Cell Communication Inference[C]//2024 IEEE international conference on bioinformatics and biomedicine (BIBM). IEEE. (EI, 本人第一作者)

[7] 彭绍亮，姬博亚，许力文；基于卷积去噪自编码机的piRNA-疾病关联关系预测方法；CN113724790A；（已授权，导师第一发明人）