掃碼聯(lián)系客服
在一些癌癥的研究中已經(jīng)發(fā)現(xiàn)腫瘤惡性細胞間具有很強的轉(zhuǎn)錄異質(zhì)性，同時具有不同的細胞狀態(tài)，然而目前還不清楚這些狀態(tài)是否會跨越腫瘤類型構(gòu)成了癌癥的一般特征。因此小編今天和大家分享一篇今年八月剛剛發(fā)表在Nature Genetics（IF:41.307）雜志上的使用單細胞數(shù)據(jù)研究泛癌中腫瘤細胞狀態(tài)的文章。文章在單細胞水平上對泛癌微環(huán)境中反復(fù)出現(xiàn)的腫瘤細胞狀態(tài)進行了刻畫，角度新穎、簡潔易懂，無論是方法還是邏輯都值得小伙伴們參考。
Cancer cell states recur across tumor types and form specific interactions with the tumor microenvironment
多個癌型中反復(fù)出現(xiàn)的腫瘤細胞狀態(tài)及腫瘤微環(huán)境特定的相互作用
一．文章背景
如今越來越多的研究認為癌癥的轉(zhuǎn)錄異質(zhì)性可能是腫瘤進展、轉(zhuǎn)移和治療失敗的驅(qū)動因素。而且針對膠質(zhì)母細胞瘤、少突膠質(zhì)細胞瘤、星形細胞瘤、頭頸癌和黑色素瘤等癌癥的數(shù)據(jù)分析也發(fā)現(xiàn)腫瘤內(nèi)癌細胞的分化程度具有異質(zhì)性。此外，多種癌癥的研究也表明癌細胞狀態(tài)與應(yīng)激反應(yīng)、干擾素反應(yīng)和缺氧等相關(guān)，且腫瘤微環(huán)境(TME)的特定細胞類型與癌細胞狀態(tài)之間也有關(guān)聯(lián)。因此這篇文章對TME中癌細胞狀態(tài)與非惡性細胞類型之間的關(guān)系進行了系統(tǒng)的研究。
二．文章摘要
該研究對15種癌癥進行了泛癌癥單細胞RNA測序（scRNA-seq）分析，并識別了一系列基因模塊，這些基因模塊的表達定義了癌癥中細胞反復(fù)發(fā)生的狀態(tài)。研究也進行了空間轉(zhuǎn)錄組分析將腫瘤細胞的干擾素反應(yīng)與腫瘤微環(huán)境中的T細胞和巨噬細胞聯(lián)系起來。此外，作者也利用小鼠模型進一步發(fā)現(xiàn)干擾素應(yīng)答模塊的誘導(dǎo)因腫瘤位置的不同而異，并且在淋巴細胞消除后降低。
三．文章的主要內(nèi)容及結(jié)果
1. 不同癌癥類型中反復(fù)出現(xiàn)的基因模塊
在文章第一部分，作者對不同癌癥類型中反復(fù)出現(xiàn)的基因模塊進行了識別。研究收集了卵巢癌(OVCA)、子宮內(nèi)膜癌(UCEC)、乳腺癌(BRCA)、前列腺癌(PRAD)、腎癌(KIRC)、肝癌(LIHC)、結(jié)腸癌(COAD)和胰腺癌(PDAC)，以及胃腸間質(zhì)瘤(GIST)9種癌癥類型的19個未經(jīng)治療的原發(fā)患者的scRNA-seq數(shù)據(jù)(圖1a)，并通過結(jié)合標(biāo)記基因、singleR注釋和推斷的拷貝數(shù)確定了惡性細胞(圖1b-c)。作者還在之前發(fā)表的PDAC和LIHC以及膽管癌(CHCA)、肺腺癌(LUAD)、頭頸部鱗狀細胞癌(HNSC)、皮膚鱗狀細胞癌(SKSC)、多形性膠質(zhì)母細胞瘤(GBM)和少突膠質(zhì)細胞瘤(OGD)中進行了這一分析，最終研究納入了15種癌癥的62個未經(jīng)治療的原發(fā)腫瘤的共計19942個惡性細胞(圖1a)。研究定義細胞狀態(tài)的方法首先是對基礎(chǔ)基因模塊進行編目，將基因模塊確定為細胞狀態(tài)的定義特征，接著使用非負矩陣分解(NMF)分析惡性細胞，來識別作為共表達基因集的基因模塊(圖1d)。為了在腫瘤中尋找重復(fù)出現(xiàn)的基因模塊，作者比較了識別模塊的基因組成(圖1e)，結(jié)果發(fā)現(xiàn)一個干擾素反應(yīng)模塊廣泛出現(xiàn)。研究也發(fā)現(xiàn)了與代謝過程相關(guān)的兩個模塊:缺氧模塊和氧化磷酸化模塊及另一組與上皮細胞標(biāo)志物重疊的模塊:肺泡細胞模塊，以及基底細胞模塊、鱗狀細胞模塊和腺細胞模塊。研究還在OVCA、UCEC、LUAD和GBM中發(fā)現(xiàn)一組纖毛相關(guān)基因組成的模塊及兩個與上皮-間充質(zhì)轉(zhuǎn)化(EMT)相關(guān)的跨越多種癌癥的模塊:完整的間充質(zhì)模塊(cEMT)和部分間充質(zhì)模塊(pEMT)，這些模塊可能代表了兩種途徑：遷移和耐藥。最后，研究確定了三個神經(jīng)系統(tǒng)癌癥特異性模塊:星形膠質(zhì)細胞(AC)樣模塊、少突膠質(zhì)細胞祖細胞(OPC)樣模塊和神經(jīng)祖細胞(NPC)樣模塊（圖1f）。
2. 用基因模塊表達定義癌細胞狀態(tài)
在文章的第二部分，作者試圖在單個細胞水平解析基因模塊，并對惡性細胞的每個模塊表達情況進行評分(圖2a)。研究對收集的19個不同腫瘤的細胞降維分析發(fā)現(xiàn)癌細胞不是依據(jù)患者或癌癥類型分組，而是根據(jù)其表達最高的模塊進行分組(圖2b,c)。此外，作者還在某些模塊間檢測到一些共表達，如pEMT與應(yīng)激和干擾素應(yīng)答共表達(圖2a,d)。研究也發(fā)現(xiàn)在所有癌癥類型中，pEMT模塊的表達頻率均高于正常(圖2e)，這與腫瘤進展中EMT的常見發(fā)生一致，而干擾素應(yīng)答模塊在LUAD和SKSC中的表達頻率也相對增加(圖2e)。
3. 腫瘤細胞鄰域的癌細胞狀態(tài)分析
在這一部分，作者使用空間轉(zhuǎn)錄組（ST）數(shù)據(jù)對腫瘤細胞狀態(tài)和TME細胞之間的相互作用進行了分析。由于ST不能達到單細胞分辨率，因此研究使用來自成對單細胞數(shù)據(jù)的細胞類型的平均表達譜進行非負線性最小二乘(NNLS)回歸，并將點注釋為“Malignant”（惡性細胞）、“Normal”(僅包含免疫細胞和基質(zhì)細胞)和“Both”（混合細胞）(圖3a)。結(jié)果發(fā)現(xiàn)，在“Malignant”細胞點中，內(nèi)皮細胞的比例較低(圖3b)，而“Both”點的中性粒細胞數(shù)量較多(圖3c)。接著作者對每個含有巨噬細胞的點進行了M1/M2極性評分(圖3d)，結(jié)果在6個婦科樣本(卵巢癌，子宮內(nèi)膜癌和乳腺癌)中發(fā)現(xiàn)M1/M2中的“Both”點高于“Normal”點，這表明巨噬細胞在靠近癌細胞時具有強大的抗腫瘤活性。接下來作者試圖在癌細胞狀態(tài)方面解析細胞鄰近區(qū)域的組成，繪制了每個ST樣本中的癌細胞狀態(tài)，并對每個“Malignant”點的每個模塊的表達進行評分(圖4a)。作者為了刻畫每個“Malignant”點周圍的細胞類型組成，計算了每個細胞類型的兩個評分指數(shù)：1）鄰域分數(shù)：為包含該細胞類型的周圍點的分數(shù)(圖4b)；2）接近分數(shù)：是感興趣點離每種類型細胞的最短距離的倒數(shù)(圖4c)。接著研究將每個腫瘤的“Malignant”點的模塊評分和細胞類型的鄰域相關(guān)聯(lián)，揭示TME中癌細胞狀態(tài)和細胞類型共定位形成的鄰域(圖4d)。研究也發(fā)現(xiàn)模塊評分和巨噬細胞鄰近區(qū)域評分之間顯著相關(guān)(圖4e)，且使用接近分數(shù)計算巨噬細胞時也觀察到一致的關(guān)系(圖4f)。接下來為了在所有樣本中探索這一關(guān)系，作者計算了巨噬細胞鄰近區(qū)域的相關(guān)評分(圖4g)，結(jié)果發(fā)現(xiàn)在所有的樣本中，其與干擾素反應(yīng)正相關(guān)。作者也將這一分析擴展到所以細胞類型和模塊(圖4h,i)，結(jié)果發(fā)現(xiàn)與TME細胞類型一致的其他細胞狀態(tài)共定位。這表明，癌細胞狀態(tài)與TME相互作用或是由免疫細胞及基質(zhì)細胞誘導(dǎo)，或是通過改變其周圍的細胞類型組成實現(xiàn)。
4. TME對干擾素反應(yīng)的調(diào)節(jié)
在文章最后一部分作者對干擾素反應(yīng)和TME中的T細胞之間的關(guān)系進行了分析。研究建立了一個TME容易被干擾的同種異體移植小鼠腫瘤模型，對4個原位胰腺腫瘤進行scRNA-seq，來驗證基因模塊。接著作者使用NMF識別基因模塊，結(jié)果發(fā)現(xiàn)循環(huán)、應(yīng)激反應(yīng)、干擾素反應(yīng)、缺氧和腺分化5個基因模塊在這個系統(tǒng)中重現(xiàn)(圖5a,b)。同時，作者從Rag1 - / -小鼠中形成的4個原位腫瘤(缺乏T和b細胞)收集了scRNA-seq數(shù)據(jù)，分析這些腫瘤惡性細胞的基因模塊表達，結(jié)果發(fā)現(xiàn)發(fā)現(xiàn)Rag1 - / -和野生型(WT)小鼠在循環(huán)、應(yīng)激反應(yīng)、缺氧和腺分化方面的表達頻率相似(圖5c)，干擾素應(yīng)答模塊的表達頻率較低(圖5 d)。此外，與其他癌細胞相比，干擾素應(yīng)答模塊的所有基因在表達干擾素應(yīng)答的細胞中均上調(diào)，且在Rag1 - / -小鼠中干擾素應(yīng)答模塊的MHCI基因的總體表達較低，這表明淋巴細胞清除對不依賴于干擾素應(yīng)答的MHCI基因的表達有額外的影響。研究也發(fā)現(xiàn)干擾素應(yīng)答細胞的頻率也因腫瘤位置而異(圖5e、f)。
到這里這篇文章的主要內(nèi)容就介紹完了，小編覺得文章亮點在于整合了多個癌癥類型的scRNA-seq數(shù)據(jù)，重點關(guān)注了泛癌惡性細胞的細胞狀態(tài)，并對在多個癌癥類型中反復(fù)出現(xiàn)的細胞狀態(tài)與腫瘤微環(huán)境的關(guān)聯(lián)進行了分析。文章邏輯清晰、簡潔明了、角度新穎，對單細胞或者泛癌分析感興趣的小伙伴們一定不要錯過。
