头颈癌免疫状况研究

当你的才华还撑不起你的野心时，请潜下心来，脚踏实地，跟着我们慢慢进步。不知不觉在单细胞转录组领域做知识分析也快两年了，通过文献速递这个栏目很幸运聚集了一些小伙伴携手共进，一起成长。

文献速递栏目通过简短介绍，扩充知识面，每天关注，希望你也能有所收获！

单细胞转录组分析综述

单细胞入门-读一篇scRNA-seq综述

文章信息
今天分享的这篇文章2020年1月发表在期刊Cell  Immunity上，题为：Immune Landscape of Viral- and Carcinogen-Driven Head and Neck Cancer 。

Abstract 

本文研究了HPV+/HPV- (Human Papillomavirus) 的Head and Neck Squamas Cancer (HNSCC) 患者的肿瘤免疫微环境，发现这两类患者中CD4+和B细胞更加多样而CD8+和Treg更相似。作者同时定义了一个与CD4+ T follicular helper cells相关的signature，对HNSCC的预后有预测作用。

Background

HNSCC的易感因素之一是HPV感染，然而HPV+的HNSCC病人比HPV-者预后更好，其机理不明。免疫疗法为HNSCC的一个新疗法，但只有20-30%患者在PD-1/PD-L1的临床试验中获益，且原因不明。因此，有必要研究HNSCC的免疫微环境，从而为免疫治疗提供可能靶点。

Results

1

1.总体设计

  • primary tumor: 18 HPV+, 8 HPV-; 对照: 5 tonsil tissue; 6 PBMC (healthy people) => CD45+ sorting，共131224 cells，平均1262 genes/cell (A)

  • 对不同samples表达谱进行分类:pseudo-bulk RNA按tissue type clustering （B, 显然）

  • 解析出不同immune subtypes (CDE)

    • 其中HPV+ vs HPV-: B、CD4+ Tconv、CD14+ cells有显著不同，而CD4+ Treg、CD8+相似。

1

2.按细胞类型分别解析lineage，并作HPV-/+的比较

2.1 CD8+ T 

  • 分亚群，组织分布（AB)；亚群DEG => pathway enrichment  (C)

  • 分化trajectory (E)

    • HPV-/+于DC1的分布上相似 (F)

    • 分化终末表达更高的inhibitory receptors (LAG3, CTLA4, PDCD1(PD1), HAVCR2(TIM3))

2.2 CD4+ Tconv & CD4+ Treg

  • 分亚群，组织分布 (Tconv:AB；Treg:FG)

  • 分化trajectory: CD4+ Tconv在HPV+/-的显著区别和Treg在HPV-/+的相似（Tconv:CD；Treg:IJ)

  • Tconv在HPV+/-的显著区别：终末态分别分化为cluster1 or 7 => 1，7 之间DEGs (E): 1, T Follicular Helper; 7: IFN response & memory T cells

  • Treg: 6个亚群中的gene enrichment (H) => cluster 2,4 和IFN signaling相关；3,6和TNF signaling相关

2.3 B cells

  • 分亚群，组织分布（AB)；亚群DEG => pathway enrichment  (C)

    • cluster 1-4: germinal center B, 5: plasma cells

    • HPV+比HPV-有更多germinal center B的enrichment （sign of good prognosis)

  • 分化trajectory (DE)

    • HPV-/+于DC1的分布不同 (F)

2.4 Myeloid cells

  • 分亚群，组织分布（AB)；亚群DEG => pathway enrichment  (C)

  • 分化trajectory (DE): PBMC和TIL的分化终末态不同（DEFG)

1

3. Crosstalks

3.1 interactions deduced from gene expression 

  • HPV+/- TIL的receptor & ligand表达(AB)差异；以及四种组织sample中ligand-receptor interactions(CDEF)的差异 => TME中有远多于PBMC的interactions（显然）

3.2 interactions deduced from physical proximity from IF

又可名为，计算机视觉在病理切片的应用（的大作业）

  • IF按细胞类型频率分为5类

  • 每一类中：示例图片（left），不同cell types间proximal的odds ratio（right）(BCDEF)

  • CD4+ Tconv亚群之间的interactions (GH)

  • TFH （T follicular helper） signature高表达indicates better prognosis (TCGA)

Comments

一篇本地（隔壁lab）的paper，很多作者都比较熟（也希望我们lab能有一作的CNS！)，Tony因这项研究在过去一年里经常在Pitt演讲或poster——当然他也真的很帅！

总结一下，有一个很好的临床问题，实验设计和分析都非常规矩完备，cost高昂，分析方法fancy（Dragon clustering和Cell Talker都是Tony自己写的R包；前者用了热力学的数学背景、有类似K-means的过程，真心好奇他是怎么想到这个的）;分析了许多HPV+/- immune landscape的相似与不同，最主要的发现是，HPV+中富集更多TFH；而在B cell富集sample slides中，有更多TFH与B cells之间的interactions，即，更functional的tertial lymphoid structure (TLS)；而从中derive的TFH signature也示更好的prognosis。然而，本质上并没有很清晰地揭示HPV+ HNSCC有更好prognosis的机制（HPV+ 有更多germinal B cells & TFH，从而可能有更多TLS是可能的原因），也没有在interaction analysis中提出具体的promising的新immune therapy的靶点（可能是因为阳性结果太多），而suggest TFH作为一个favorable biomarker.

赞 (0)

相关推荐