小伙伴们大家好,如今单细胞测序几乎已经成了每个科研课题组的必备品了,那么拿到单细胞测序的数据后的你是否在发愁没有好的数据分析思路呢?今天带给大家的是一篇单细胞测序思路的文章,帮助大家好好学习~
背景知识:
免疫治疗是非小细胞肺癌(NSCLC)治疗的主要手段。虽然肿瘤突变负荷(TMB)与免疫治疗反应相关,但对其与肿瘤基因型的关系知之甚少。本文作者使用单细胞RNA测序的方法,分析了35个早期NSCLC病变中的361929个细胞。发现了一个由PDCD1+CXCL13+激活的T细胞、IgG+浆细胞和SPP1+巨噬细胞的细胞模块,称为肺癌激活模块(LCAMhi)。作者在多个NSCLC队列中确认了LCAMhi的富集,并利用CITE-seq(细胞索引转录组和抗原决定簇测序)的方法建立了一个抗体小组来识别LCAMhi病变。发现LCAM的存在与整体免疫细胞含量无关,但与TMB TP53突变相关。高基线LCAM评分与非小细胞肺癌患者对免疫治疗的反应增强相关TMB高于中位数,表明免疫细胞成分虽然与TMB相关,但可能是免疫治疗反应的非冗余生物标记物。
文章介绍:
本文1发表在期刊: Cancer Cell,在最近一年的影响因子: 31.743比上一年增加了5.141。这篇文章展示非小细胞肺癌治疗初期免疫反应的共享和可变因素,并确定肿瘤突变负担和tp53突变的独立免疫调节作用,以及免疫状态如何结合来驱动免疫治疗反应的精炼模型。
思路总结:
结果解读:
目前对35例NSCLC患者匹配的肿瘤和非肿瘤组织的分析提供了迄今为止最大的早期肺癌免疫反应的scRNA图谱。此外,CITE-SEQ分析还服务于统一细胞分类的高维模型。通过整合公共数据集和利用CITE-SEQ来设计基于抗体的互补检测,作者展示了报告签名在不同环境中的可用性。重要的是,基于在肿瘤病变中观察到的高度保守的变化,这些数据支持了这样的观点,即尽管疾病异质性,普通免疫治疗范例仍可使大部分患者受益。然而,在肿瘤中,患者可以沿着主要的LCAM轴分层。基于LCAMhi和LCAMlo细胞模块的组成,作者认为LCAMhi患者正在经历更强烈的抗原特异性抗肿瘤适应性免疫反应。同时,无偏的LR分析显示,不同免疫间隔的LR强度不同。虽然在人类肺癌的背景下,单个信号轴的作用仍有待机械地研究,但所描述的相互作用已知与适应性免疫激活相关,并为仅基于细胞类型频率执行的LCAM分层提供支持。
(A)研究概述。切除的肿瘤组织和肺组织被消化成单细胞悬液,富集CD45+细胞,并进行单细胞分析。
(B)病人的临床资料,包括概要病理分期、吸烟史、组织学诊断和性别。
(C)细胞类型标记基因在免疫scRNA-seq簇(MNP,单核吞噬细胞;PDC,浆细胞样树突状细胞)中的表达。热图显示每个细胞的唯一分子标识符(UMI)的数量。使用CITE-SEQ分析的8名患者细胞的均匀抽样显示群集。
(D)由CITE-SEQ测量的谱系定义表面标记表达。单个单元格直接对应于(C)。首先对患者的CITE-SEQ计数值进行量化标准化,然后对热图中的细胞进行行归一化。
(E)35例肿瘤和29例配对正常肺组织中免疫细胞间的聚集率。簇对应于(C)和(D)。
(F)样本对之间的欧几里得距离。
(G)当前队列(x轴)或Lambrechts等人的肿瘤和非肿瘤组织中细胞类型频率之间的对数比率。(2018)(y轴)。聚类按细胞类型注释进行分组。
(A)识别scRNA-seq树突状细胞簇的基因表达,显示每个细胞的UMI数目,显示来自四个患者的细胞,经CITE-SEQ分析,DC面板如(B)所示。
(B)直接对应于(A)项的细胞上的DC表面标记的CITE-SEQ测量。
(C)肿瘤和非肿瘤组织DC频率的差异。
(D)LAMP3和CD274在DC簇中的平均表达。
(E)TLS中DC-LAMP+/PD-L1+DC和T细胞的MICSSS。
(F)滤泡DC标志物MYH11在TLS邻近E区的表达。
(G)假定为单核细胞来源的MF(MOMF)、CD14+单核细胞、单核细胞DC、cDC2和MOMF基因信号的表达(见图S2D和S2E)。每个分数的前20个基因在按细胞类型(左)和相应的汇总分数均匀抽样的细胞中显示。细胞按单核细胞:cDC2汇总分数的比率排序,并被下采样至2000UMI。
(H)盒子图显示LCH-like签名基因在DC人群中跨患者的平均表达。
(A)关键单核细胞、MF和cDC2样基因的平均簇表达。
(B)CITE-seq表面标记检测。从使用所示面板分析的4例患者中,每个集群均匀采样细胞。
(C)每种细胞类型的基因模块评分直方图。
(D–F)CD14 + 单核细胞、MoMF和AMF中细胞类型特异性基因评分的表达(见图S3I)。通过AMF(x轴)和MoMF(y轴)评分绘制细胞,通过彩色点或等值线图(D)表示细胞注释。通过CD14 + 单核细胞评分(E)或单个基因表达(F)对细胞进行相似绘图和着色。
(G)单核细胞和MF频率的肿瘤和非肿瘤组织之间的差异。
(H)MNP细胞类型中编码分泌因子的转录本的平均表达
(A)识别T细胞簇的基因表达,显示两个患者的细胞通过CITE-SEQ与(B)所示的面板进行分析。
(B)直接与(A)中的T细胞表面标记相对应的T细胞表面标记CITE-SEQ。
(C)肿瘤与非肺组织间NK、T细胞频率的差异。
(D和E)T细胞在组织分层克隆型中的表型分布。在有代表性的患者(D)中,scTCR-seq在肺(x轴)或肿瘤中观察到独特的TCR的频率。在(E)中,首先按照(D)中定义的TCR组织特异性对细胞进行分组;对于三名患者,具有独特TCR、组织特异性TCR或跨组织共享TCR的细胞的表型构成绘制为非肿瘤(I)和肿瘤(II)组织中具有相似组织分布的TCR的细胞百分比。每个病人都用形状表示。
(F)区别B细胞和浆细胞簇的基因表达,显示来自四名患者的细胞通过CITE-SEQ与(G)所示的面板进行分析。
(G)直接对应于(A)中的细胞表面标记的细胞表面标记的CITE-SEQ。
(A)谱系归一化细胞类型频率的相关性。分析包括26个处理相似的肿瘤(CD45+磁珠富集)。
(B)来自 Mount Sinai, Lambrechts和Zilionis等人的样本中按谱系归一化的LCAMhi和LCAMlo细胞型频率。来源数据集由下面的颜色条表示。
(C)免疫谱系频率,栏目与(B)中的患者顺序相对应。
(D)测量谱系归一化LCAM细胞类型频率几何平均值的分数。
(E-G)MICSSS显示LCAMhi病变(右侧)相对LCAMlo(E)有CD138+浆细胞浸润,TLS(F)外有浆细胞浸润,PD1+T细胞、CD68+MF和CD138浆细胞共同定位于LCAMhi肿瘤间质(G)。
(H-M)LCAMhi患者肿瘤与非肿瘤组织间配体受体(LR)强度的Log2比值(‘’LR比值;‘’y轴)和LCAMlo患者(x轴)。T细胞、B细胞、MF、DC3、CDC和单核细胞之间的所有相互作用,以显着性指示(排列试验,H)着色。虚线对角线表示结合。
(I-M)数据与(H)相同,以粗体LR比率突出显示T细胞配体与B细胞受体(I)、T细胞配体与CDC受体(J)、MF配体与T细胞受体(K)、DC3配体与T细胞受体(L)以及CDC配体与T细胞受体(M)之间的相互作用。标有标签的交互组件以红色绘制。
(A)LCAMhi和LCAMlo Bulk-RNA签名基因在TCGA肺腺癌(LUAD)数据集中的标准化表达。显示了与每个签名的基因组的细胞类型关联。根据LCAM综合评分沿y轴对患者进行分类。
(B)整体LCAM积分(y轴)与CAF与正常成纤维细胞信号积分之差(x轴)的散点图。
(C)LogTMB和整体LCAM得分的散点图。患者被分为有(黑色)和没有(红色)吸烟相关突变特征的患者。红线和黑线分别表示每组患者独立计算的线性回归关系(未检出吸烟特征组r=0.36,p=3.3 310?4;检出特征组r=0.36,p=1.6 3 10?12)。
(A和B)箱式图相关联,该框图显示TCGA LUAD患者的整体LCAM得分(A)或TMB(B),按驱动程序突变的组合划分。
(C和D)LogTMB上整体LCAM评分回归的残差直方图,患者按TP53(C)或KRAS(D)突变状态分层(双侧t检验)。
(E)LogTMB和LCAM分数散点图,为LUAD(黑色)或LUSC(红色)绘制。
(F)TMB与所有TCGA癌的整体LCAM评分之间的相关性,显示Bonferroni矫正后的Spearman r(x轴)和log10(Padj)(y轴)。BRCA,乳腺浸润性癌;STAD,胃腺癌;BLCA,尿路上皮性膀胱癌;UCEC,子宫内膜癌;COAD,结肠腺癌;胸腺,胸腺瘤;PRAD,前列腺癌;CESC,宫颈鳞癌;ACC,肾上腺皮质癌。
(G-J)TMB和整体LCAM对免疫治疗反应的分层。Kaplan-Meier曲线显示,在接受阿特唑珠单抗(antiPD-L1;G)或多西紫杉醇化疗(H)的患者中,LCAM整体评分高(最高25%)与LCAM整体评分低(最低75%)的患者无进展存活(PFS)的可能性。在使用阿替唑珠单抗(左)或多西紫杉醇(I)治疗的患者的分类多变量Cox比例风险分析中,显示PFS风险比估计的LCAM和TMB状态。Kaplan-Meier曲线显示,在接受阿替唑珠单抗治疗的TMB大于TMB中值(J)的患者中,LCAM整体评分高(最高25%)的患者发生PFS的可能性(最高25%)与LCAM整体评分低(最低75%)的患者发生PFS的可能性相比。
全文小结:
总体而言,本模型从scRNA-seq和CITE-seq定义的免疫表型中识别出一种免疫激活特征,该特征表现为肿瘤相关抗原负载和驱动器突变状态的整合因子,与整体免疫内容无关,而与对检查点封锁的反应相关。因此,作者认为,与先前建议的免疫读数相比,这个轴可以作为抗原特异性、抗肿瘤免疫激活的更直接的测量。同时,本篇文章也带给我们更多单细胞思路的思考,感兴趣的小伙伴可以关注公众号了解更多关于单细胞的故事~
参考文献
1. Leader AM, Grout JA, Maier BB, et al. Single-cell analysis of human non-small cell lung cancer lesions refines tumor classification and patient stratification. Cancer Cell 2021; 39(12): 1594-609 e12.