单细胞测序识别乳腺癌异质性和免疫细胞谱
今天跟大家分享的是发表在NATURE COMMUNICATIONS杂志上的一则一篇文章:Single-cell RNA-seq enables comprehensive tumor and immune cell profiling in primary breast cancer,本文主要讲述了乳腺癌亚型间的表达谱异质性和免疫细胞谱异质性。
方法
①临床标本
共计11个病人的数据,涵盖了4种乳腺癌的分类
·ER-positive (BC01 and BC02; luminal A)
·ER/HER2-positive (BC03; luminal B)
·HER2-positive (BC04, BC05 and BC06; HER2)
·triple-negative (BC07–BC11; TNBC) invasive ductal carcinoma
②单细胞测序
使用C1 Single-Cell Auto Prep System捕获单细胞,显微镜检查,建库使用 SMARTer Ultra Low RNA Kit.
*去除低质量细胞:
·(1) number of total reads;
·(2) mapping rate;
·(3) number of detected genes;
·(4) portion of intergenic region.
*去除低质量基因
·First, TPM values < 1 were considered unreliable and substituted with zero.
·Second, TPM values were log2-transformed after adding a value of one.
·Third, genes expressed in < 10% of all tumour groups were removed.
最后剩下515单细胞和17,779基因。
③拷贝数变异、通路活性分析和TNBC亚型分析
测序结果可靠性验证
单细胞测序与单细胞qPCR结果相关性较高。
scRNA测序与bulk转录组结果相关性也较高,但似乎也不是特别高。
细胞亚群分类
可以看出来肿瘤微环境中不止有肿瘤细胞,还有大量非肿瘤细胞。
依据单细胞表达谱推断CNV,随后区分出肿瘤细胞、免疫细胞和基质细胞。
可以看出来单细胞推断CNV与WES推断CNV结果相关性较高。
可以看出来单细胞CNV推断基质与免疫细胞可以使用ESTIMATE验证。
肿瘤细胞异质性研究
肿瘤细胞病人间异质性较强,免疫细胞病人间异质性较弱。
计算ER和HER2分数,发现肿瘤细胞中存在不同的亚群,尤其是HER2型,这可能是其耐药的原因。
一些通路活性分析。
干性、EMT、血管生成具有较强相关性,但是同时具有两种功能的细胞不多,可能这些罕见细胞就是预转移细胞。
差异分析与GSVA通路活性分析
TNBC亚型分析
肿瘤微环境——免疫微环境
一些标志物,来源于文献整理
主要利用标志物区分不同细胞,同时对于每一种免疫细胞区分促癌与抑癌的细胞,并找到不同细胞功能之间的差别,如凋亡、细胞因子、增殖和生发中心等。
可以发现标志物表达与免疫荧光细胞数量具有相关性。
总结
本文是较早期的一篇单细胞文章,现在看起来可能简单了一些,但是由于本文的工作都非常细致,因此有许许多多值得我们学习的地方。比如如何分析PCR和转录组的相关性?如何分析免疫荧光和转录组的相关性?如何分析WES推断CNV和转录组推断CNV的相关性?因此,如果想要入门单细胞转录组的同学,可以花点时间重复一下这篇文章。