ixxmu / mp_duty

抓取网络文章到github issues保存
https://archives.duty-machine.now.sh/
122 stars 30 forks source link

这也泰卷辣!Nature communications100多个数据集的单细胞泛癌分析,bulk+空转数据齐上阵,招式多到看花眼 #5025

Closed ixxmu closed 5 months ago

ixxmu commented 5 months ago

https://mp.weixin.qq.com/s/xsOuEcYQ00QcYYbd2vHMdA

ixxmu commented 5 months ago

这也泰卷辣!Nature communications100多个数据集的单细胞泛癌分析,bulk+空转数据齐上阵,招式多到看花眼 by 生信舟

泛癌分析的文章相信同学们一定不少见,但是100多个数据集的泛癌文章你一定没见过!再联合bulk数据和空间转录组分析,这一套组合拳打下来,岂不是无敌了!想要文章更上一层楼的同学们,赶紧和大风哥一起学习吧~~
         

 

今天这篇文章涵盖了30种不同癌症类型的104个数据集,并构建了一个肿瘤-正常单细胞转录组图谱。作者采用了AND-gating算法和NMF可视化,揭示肿瘤/正常生态系统之间的区别。还概述了不同细胞类型和器官的标志性基因特征。通过配受体分析、荧光原位杂交实验以及空间数据分析,揭示了细胞的异质性。对细胞状态共存模式的分析发现了肿瘤特异性集群。此外,还利用空间转录组分析对有关细胞类型进行分类,并得出了可预测免疫治疗反应的特征。文章收集并整合了一个庞大的泛癌数据,包括单细胞、bulk和空转数据,并且几乎都公开可用,整体工作量十分丰富,思路清晰,再有实验验证,发到16分+Nature子刊不得不服!!还在寻找生信发文好思路的同学们还不赶紧码住!!(ps:想要了解最新的生信思路,来找大风哥就对了,这里有不仅有热点方向还有创新思路,想思路复现和生信分析,都可以直接扫码call大风哥,等你哦!) 


定制生信分析

云服务器租赁

(加微信备注99领取使用)



● 题目:系统分析30种癌症类型上千个肿瘤的肿瘤-正常单细胞生态系统
● 杂志:nature communications
● 影响因子:IF=16.6
● 发表时间:2024年5月

后台回复“888”获取原文,文献编号240522        

 

1

研究背景

肿瘤是由恶性细胞和多种组织浸润基质及免疫细胞组成的高度异质性实体,这些细胞构成了肿瘤微环境(TME)。scRNA-seq技术的出现为高分辨率描述肿TME中广泛的异质性提供了无偏见的、系统的分子谱分析。

1

数据来源(部分)

          

 

1

研究思路

作者构建了一个肿瘤-正常单细胞转录组图谱,涵盖了30种不同癌症类型的104个数据集(图1A)。对数据集进行整合和注释后,应用AND-gating算法描述细胞类型特异以及在不同器官的肿瘤和正常组织中普遍存在的差异表达基因。利用NMF分析法将注释的基因表达矩阵分成主要细胞类型并分解成各种细胞状态(图1B-D)。NMF模块的UMAP图展示了多个样本中反复出现的细胞状态的整体结构(图1E)。利用单细胞分辨率下获得的细胞状态过滤器剖析肿瘤单细胞和bulk转录组数据。还将细胞状态特征应用于解构大量RNA-seq队列,以检查其临床意义。最后,以细胞状态为参考成分对细胞进行了投影,以评估细胞状态与细胞类型之间的对应关系,并使用细胞类型对11种癌症类型的空间转录组学进行了去卷积。    

图1 以单细胞分辨率概述泛癌症肿瘤-正常情况         

 

1

主要结果

       

 

    
1.确定肿瘤-正常生态系统的通用标志基因特征
作者采用AND-gating算法描述肿瘤中上调的标志基因,他们存在于构成不同器官TME的主要细胞类型中(图2A、B)。在CD8 T细胞种,共刺激分子和免疫检查点或衰竭标志物在肿瘤中上调,而IL7R、PTGER2和PTGER4在正常组织中上调。胰腺肿瘤组织的CD8 T细胞没有显示出PDCD1和LAG3的上调,可能是目前免疫检查点抑制剂在胰腺癌中不适用的原因。肿瘤浸润巨噬细胞普遍表达免疫检查点、M2极化相关和炎症基因,而肿瘤中的树突状细胞则上调与炎症和迁移功能相关基因。GO分析显示,肿瘤浸润巨噬细胞、树突状细胞和CD8 T细胞中上调的基因富集于相关的功能和通路,包括对病毒的防御反应、对II型干扰素的反应、炎症反应等信号通路(图2C)。
至于非免疫细胞,癌细胞普遍表现出蛋白丝氨酸/苏氨酸激酶活性、糖酵解、mTORC1信号转导以及与细胞周期过程正向调节相关的GO术语(图2)。癌症相关成纤维细胞表达了经典的标志物,以及不同器官中的其他基因(图2A、B)。肿瘤内皮细胞上调血管生成相关基因。肿瘤相关成纤维细胞和内皮细胞都富集了与细胞外基质组织、细胞迁移调控、细胞-基质粘附和丝胶结合相关的基因(图2C)。总之,这些结果概述了TME成分失调的标志性特征。    
图2 各器官组织生态系统标志基因的分布         

 

2.将肿瘤-正常生态系统解构为异质性细胞状态
通过分析肿瘤和正常生态系统,发现了大量细胞状态或共调控基因(图3A)。对于髓系细胞状态,CTSK和CXCL9巨噬细胞、Langerhans细胞、单核巨噬细胞,以及以趋化因子、迁移和免疫调节标记物为标志的PRR诱导活化状态。作者对间质来源的多种细胞状态进行分类和注释(图3C、D)。结缔组织增生性成纤维细胞状态具有肿瘤特异性,肌成纤维细胞分布在非恶性组织中(图3E)。这些不同的细胞状态共同参与形成了复杂的肿瘤生态系统(图3F)。在肿瘤中,上皮细胞的T细胞排斥程序与Treg状态相关,促进免疫逃逸和肿瘤进展。基底鳞状细胞状态与肿瘤中炎症状态吻合,表明基底鳞状细胞起源的癌症具有触发免疫细胞浸润的特征。    
图3 将肿瘤-正常生态系统解构为异质细胞状态         

 

3.作为不同亚型的AKR1C1和WNT5A炎性成纤维细胞的特征
当作者将间充质细胞群投射到已定义的状态时,发现了多种显示免疫相关基因表达的成纤维细胞亚型(图4A)。表达AKR1C1和WNT5A的炎性成纤维细胞都与PRR诱导的活化状态吻合,并具有相似的细胞因子基因表达(图4A)。它们在标记基因、组织来源和器官偏好方面存在明显差异(图3E、4A、B)。接着分析了乳腺、结肠、头颈部和卵巢的肿瘤和正常组织的scRNA-seq数据。除乳腺组织外,肿瘤组织比正常组织表达了更多的趋化因子基因。AKR1C1和WNT5A在这两种炎性成纤维细胞中的表达模式在不同器官中也不相同(图4C)。    
接着进行了配体-受体分析,发现AKR1C1炎性成纤维细胞与CTSK巨噬细胞相互作用,CTSK巨噬细胞会诱导多种癌症类型的癌症进展和转移(图4D)。AKR1C1炎性成纤维细胞强烈表达IL6,它与表达在DC1和PRR诱导的mo-DC上的IL6R相互作用,可能导致肿瘤生长和耐药性。WNT5A炎性成纤维细胞会分泌多种配体,在组织再生、炎症和癌症等多种情况下促进增殖、迁移和存活。随后在结直肠癌和头颈部癌组织样本中进行了RNA单分子荧光原位杂交。癌症组织结缔组织增生性基质中WNT5A、GREM1和PDGFRA RNA探针的重叠信号证实了WNT5A炎性成纤维细胞的存在(图4E)。    
随后分析了空间转录组学,发现了AKR1C1炎性成纤维细胞与癌细胞、中性粒细胞、CTSK巨噬细胞、DC1和PRR诱导的mo-DC显著共定位(图4F、G)。WNT5A炎性成纤维细胞与结缔组织增生性成纤维细胞、衰竭的CD8 T细胞、Treg、DC1和PRR诱导的mo-DC显著共定位(图4F、G)。AKR1C1和WNT5A炎性成纤维细胞分别与结缔组织增生性成纤维细胞和中性粒细胞互斥,突出了两种炎性成纤维细胞之间的区别(图4F、G)。总之,两种炎性成纤维细胞对器官/组织的偏好、细胞相互作用模式以及与其他细胞类型的空间亲缘关系各不相同,表明它们在形成具有免疫侵袭性和致癌作用的TME中具有不同作用
   
图4 AKR1C1和WNT5A炎性成纤维细胞的特征         

 

4.肿瘤特异性干扰素富集和亲致瘤群落的重新布线
作者构建了细胞状态共现的无向网络,并在肿瘤、癌旁和正常组织中识别了不同的网络群。一个肿瘤生态系统被肿瘤内各种细胞类型的干扰素状态占据(干扰素富集群;图5A)。该群包含三级淋巴结构(TLS)、特殊DC和巨噬细胞以及抗原递呈机制状态的成分。干扰素丰富群中的几种免疫细胞状态分散在健康正常网络中(图5B)。在癌旁网络中,LAMP3 DC与干扰素丰富群中的其他免疫细胞状态相邻(图5C),说明癌旁中细胞生态系统配置不同。还发现了一个由上皮间充质转化、上皮T细胞排斥程序、SPP1巨噬细胞和结缔组织增生性成纤维细胞等亲肿瘤状态占据的肿瘤特异性群(图5A)。肿瘤富集巨噬细胞和WNT5A炎性成纤维细胞状态也出现在该群中。    

5.确定跨癌症类型的免疫疗法预测细胞状态
作者利用上述细胞状态解构了膀胱癌、黑色素瘤、肾癌和肺癌队列中经检查点抑制剂处理的样本的组织转录组(图5D)。在泛癌荟萃分析中,CD8 T细胞、间充质衍生干扰素、CXCL9巨噬细胞、CD160上皮内淋巴细胞、Treg等细胞的衰竭凸显了检查点阻断的临床益处(图5E)。结缔组织增生性成纤维细胞、成骨细胞、间皮细胞衍生的成纤维细胞和CTSK巨噬细胞状态与各组群对免疫疗法的不良反应有关,其中许多属于促肿瘤细胞群(图5E)。考虑到这些促致瘤性成分状态对不同癌症类型的免疫疗法反应有负面影响,因此对具有促致瘤性生态系统的患者应采取其他治疗策略。    
图5 肿瘤特异性干扰素富集和亲肿瘤群的出现,以及免疫疗法预测细胞状态的确定 
6.利用空间转录组学系统研究多种癌症类型的肿瘤生态系统
作者对11种不同癌症类型的空间转录组学数据进行了分析(图6A)。鉴于TLS与免疫疗法的良好反应有关,作者首先利用肾癌空间转录组数据,通过对TLS斑点和非TLS斑点进行差异表达分析,得到了一个能有效区分TLS斑点和非TLS斑点的TLS特征(图6B)。TLS特征还预测了免疫治疗组对免疫治疗的良好反应(图6C)。利用cell2location对每个空间点的单细胞转录组图谱进行了解构,并比较了TLS点和非TLS点的细胞类型丰度,确定了在TLS中明显富集的细胞类型(图6D)。衰竭的CD8 T细胞、ISG15巨噬细胞、DC1和pDC,与TLS缺乏空间关联,但它们对免疫疗法表现出与TLS富集细胞类型相似的良好反应(图5E、6D)。    
通过评估TLS富集细胞类型在其他癌症类型中的空间共定位模式,证实了包括LAMP3 DC、Treg、浆细胞和CCL19成纤维细胞在内的TLS富集细胞类型在多种癌症类型中的共定位(图6E)。还观察到TLS特征能有效捕获不同癌症类型的各种肿瘤样本中富含TLS细胞类型的斑点(图6E)。总之,上述研究利用泛癌单细胞转录组和空间转录组来描述TME错综复杂的空间组织    
图6 跨多种癌症类型的肿瘤生态系统空间转录组分析         

 

1

文章小结

作者构建了一个结合单细胞、空间和免疫疗法处理过的大量数据集的广泛图谱,系统地比较了不同器官的肿瘤和正常生态系统。并揭示了肿瘤-正常生态系统的标志性基因特征,勾勒出AKR1C1和WNT5A炎性成纤维细胞之间的区别,描述了免疫疗法有利成分中TLS富集和非富集细胞类型的特征。研究中展示的泛癌症肿瘤-正常单细胞元图谱将为深入了解肿瘤-正常生态系统提供重要见解,并为未来的精准肿瘤学研究奠定基础。文章整合了丰富且庞大的数据集,采用了多种分析方法,逻辑清晰,思路新颖,干湿结合发到16分+,这不赶紧收藏学起来!!(ps:发文还缺好思路的同学们,欢迎来找大风哥,超多新颖的分析思路供你选择哦!总有适合你的一款,扫码聊聊吧) 

大风哥漫谈

如果您的时间和精力有限或者缺乏相关经验,并且对生信分析和思路设计有所需要的话,“生信舟”非常乐意为您提供如下服务:免费思路评估、付费生信分析和方案设计以及实验项目实施等,有意向的小伙伴欢迎咨询大风哥哦!

往期推荐

1.【五月狂欢】服务器拼团大作战,抢先享特惠!

2. 仅四个月就接收的纯生信还5分+?徐州医科大学应长江团队咋办到的?巧借SEER数据库即可!

3. Nature大子刊!复旦邵志敏/江一舟/郑媛婷团队:基因组+转录组+蛋白质组+代谢组+放射组招式应接不暇,思路进阶必码!

4. 实在有趣!重庆医科大学三附院这篇Nature子刊,RNA m5C甲基化,还做成了正反馈通路?