ixxmu
commented
1 month ago 一篇science单细胞胜过几十篇，必读文章 by 小pi的生信日志
代码🔔取回复：2024091202
这篇去年8月份发表在science上的一篇几乎全生信的文章，要想学单细胞如何讲好文章故事，必看！看science作者是怎么从老概念里讲出新故事！做巨噬细胞生信分析的宝宝必看
有2个最值得学习的点，第一个就是作者讲故事发现故事的能力，为什么这么说，因为这篇文章讲的最主要的内容就是CXCL9与SPP1这两个基因的表达量比值揭示了肿瘤中巨噬细胞的极性，这颠覆了经典的巨噬细胞的M1/M2两极划分法因此被给予了很高的评价，然而做单细胞巨噬细胞的宝宝们肯定知道，肿瘤中巨噬细胞的转录组差异都很难被被M1，M2基因表达所定义，而CXCL9，SPP1本来就分别是M1，M2基因集当中的重要基因。这个在所有做单细胞的人都能发现的问题，一个其实不是“违背”而是“优化”的问题，新瓶装旧酒，讲出如此优秀的故事。第二个是这篇文章的分析方式非常新颖有意思，不是常规的单细胞分析方式，而是以患者为单位，对患者进行CXCL9/SPP1比值的排序赋予rank值，用这些rank值和相应的指标进行相关性分析，这是全文最主要的分析方式，值得尝试和学习
作者首先通过对52个头颈部鳞癌进行单细胞分析，得到肿瘤微环境中不同细胞大类的gene signature，用这些gene signature对bulk队列数据对预后进行回归分析，尽管单变量分析中很多细胞类型都和预后显著相关，但在多变量分析中，仅有巨噬细胞和肥大细胞展示了对预后的显著相关性，也说明了不同细胞类型之间的相关性。这其实是做回归分析值得注意的地方，当因变量受到多个自变量的影响，自变量a单因素回归的结果可能是自变量b造成的，在某些大文章里都会忽视，可见作者数理上的严谨，此处可以学习北大李程老师的教学课件讲的很好，关注🔔或百度均可获得哦
而在巨噬相关基因里作者做了K-M预后曲线分析，在和预后最显著正或负相关的基因里选择了CXCL9和SPP1，并且验证了两者表达的互斥性，我们在文章中经常看到做相关性，这里展示了用Odds ratio说明互斥的方法，mark一下。于是作者用C/S的比值进行预后分析发现显著好于巨噬细胞含量和M1/M2比值，展示了其预后的优越性。文章便以此展开。
继续说这篇science的后半部分
上次讲到作者展示了CXCL9和SPP1在巨噬细胞上互斥表达，并且比传统的M1/M2二分法更能反映巨噬细胞极化和患者预后
接下来也是作者的用单细胞讲故事的能力体现了，他们巧妙地将这种巨噬细胞的极化延伸到了整个肿瘤微环境之中，发现CS不仅能体现巨噬细胞不同状态，同时这种巨噬细胞的不同极化状态反映着不同的肿瘤微环境，进一步提升其研究意义。
在这里分析的方式也很有意思，是上次讲到的第二大值得学习的亮点。不同于传统单细胞分析方法，作者以患者为单位，对52名患者进行CS比值的排序赋予rank值，用这些rank值和相应的指标进行相关性分析。首先分析了CS rank和其他细胞（包括肿瘤细胞基质细胞和所有免疫细胞）的数量的相关性，发现CS rank排序和T、B、DC显著正相关，肿瘤细胞显著负相关，CS越高意味着更多的免疫细胞和更少的免疫细胞，而传统的M1/M2比值和这些细胞比例无关。同时作者查看了其他细胞类型是否表达C/S，发现其他细胞表达较低C/S，但是显著与巨噬细胞的C/S基因的表达正相关，进一步说明其中细胞间潜在的协同作用。作者以患者为单位分别计算其他基因和C/S的表达相关性，与C正相关的基因富集在IFN，补体等免疫激活信号通路，而与S表达正相关的基因富集在缺氧和上皮-间充质转录的通路中，进一步解释了CS能反映整体的肿瘤微环境，并且对应更好预后的潜在机制
这样互斥的表达和不同的肿瘤微环境分类让我们自然的会联想到其在空间上是否就是相对独立的分布，所以作者通过免疫荧光等实验去验证了C/S的巨噬细胞确实在空间上相对分离并且其附近更富含相应的IFN信号/血管生成信号，与单细胞相吻合。
最后作者将这种CS极化推广到了其他癌种中做了简单的泛癌验证，现在大文章都喜欢这样做来说明你结论的可推广性，在其他数据集中验证了CS表达互斥性，预后性和空间分布，完善。
最后回过头来看这篇文章，似乎提出了很新的概念，做了很新的分析，但仔细一想，似乎跟以前的概念只是优化了，分析只是用了更新颖的形式去做某种细胞类型跟整体其他微环境细胞的关系，但是整体读起来就是觉得那么完善新颖，浑然天成，这讲科学的方法和运用的分析技术都相当值得我们学习
https://mp.weixin.qq.com/s/j2DevyBEE4JDR8Y_3a945g