掃碼聯系客服
單細胞技術評估胰腺導管腺癌轉移風險
小編今天給大家?guī)淼氖?022年11月發(fā)表在International Journal of Molecular Sciences（IF=6.2） 雜志上的一篇利用單細胞技術開發(fā)評估導管腺癌轉移風險的方法。(Estimating Metastatic Risk of Pancreatic Ductal Adenocarcinoma at Single-Cell Resolution)。
摘要：
胰腺導管腺癌(PDAC)具有瘤內異質性，患者往往在發(fā)生轉移后才被確診。因此，研究如何有效地評估胰腺導管腺癌的轉移風險具有重要意義。本研究中，我們提出了scMetR方法來評估胰腺導管腫瘤細胞的轉移風險，該方法主要基于單細胞RNA測序進行展開。首先，我們確定了多種細胞類型，包括腫瘤細胞和其他細胞類型。然后，我們根據scMetR評分將腫瘤細胞分為三個亞群，包括轉移性腫瘤細胞(MFTC)，移行性轉移腫瘤細胞(TransMTC)和常規(guī)腫瘤細胞(ConvTC)，通過比較轉移性腫瘤細胞(MFTC)和常規(guī)腫瘤細胞(ConvTC)，我們確定了轉移特征基因 (MSGs)。功能富集分析顯示，上調的轉移特征基因 (MSGs)富集于多個轉移相關通路。我們還發(fā)現，高表達上調的轉移特征基因 (MSGs)的患者預后更差。轉移性腫瘤細胞(MFTC)空間定位顯示，它們偏向定位于癌和導管上皮區(qū)域，同時這些區(qū)域富集了導管細胞相關的炎癥。我們進一步分析了細胞間的相互作用，觀察到轉移性腫瘤細胞(MFTC)中與轉移相關的ADGRE5信號通路之間的細胞作用比其他腫瘤亞群中增加。最后，我們預測了12種具有逆轉轉移特征基因 (MSGs)表達潛力的候選藥物。綜上所述，我們借助單細胞技術開發(fā)了scMetR方法，該方法可能有助于分析腫瘤的異質性。
介紹
胰腺癌(PC)是最危險的癌癥之一，其5年生存率低于5%。大約90%的胰腺癌患者是胰腺導管腺癌(PDAC)。胰腺導管腺癌具有較高轉移擴散能力，這往往會導致不良預后。手術切除仍然是唯一可能治愈的治療方法。當胰腺導管癌發(fā)生遠端遷移的時候。
腫瘤細胞遠端轉移是一個多步驟的過程，包括局部侵襲、體內轉移、血液循環(huán)中存活、外滲、適應新環(huán)境生存，最終在遠處器官定植和生長。上皮間充質轉化(EMT)在腫瘤轉移中發(fā)揮重要作用。在皮間充質轉化過程中，腫瘤細胞的細胞黏附分子的表達逐漸減少，并獲得間充質表型以及遷移和侵襲能力，能夠使癌細胞脫離原發(fā)腫瘤并在其他地方形成轉移瘤。
在遠端器官中具有明顯的間充質-上皮轉化(MET)過程。間充質-上皮轉化(MET)可使腫瘤細胞恢復上皮形態(tài)，有利于胰腺導管腺癌(PDAC)細胞侵襲周圍組織。因此，原發(fā)組織和遠處器官中可能存在具有轉移特征的細胞。以往研究報道腫瘤細胞分化狀態(tài)的差異也與轉移相關。不成熟的腫瘤比分化程度更高的腫瘤更具侵襲性。低分化腫瘤的擴散速度比高分化腫瘤快。胰腺導管腺癌(PDAC)具有不同的瘤內異質性，因此評估其轉移風險具有一定的挑戰(zhàn)性。
單細胞RNA測序(scRNA-seq)是可以區(qū)分腫瘤中不同的細胞類型。一些研究基于臨床、組織學和基因組特征來評估腫瘤的轉移風險。然而，這些研究不能應用于單細胞轉錄組學。
我們對之前使用原發(fā)性和轉移性胰腺導管腺癌(PDAC)的scRNA-seq數據進行分析，我們確定了胰腺導管腺癌(PDAC)中的主要細胞類型，并剖析了胰腺導管腺癌(PDAC)的異質性，建立了用于評估腫瘤細胞的轉移風險的scMetR方法。研究過程中我們發(fā)現腫瘤細胞中異質性的亞群具有不同轉移風險。我們進一步鑒定了轉移特征基因 (MSGs)，并對其從功能富集、患者預后、轉移相關基因的空間表達模式、腫瘤亞群的空間位置和細胞間通訊等多個角度進行驗證，探討腫瘤亞群的轉移風險。上述發(fā)現在一個獨立的scRNA-seq數據集中得到重現。最后，通過基于轉移特征基因 (MSGs)的藥物預測，我們發(fā)現了一些轉移的候選抑制劑。
圖1. 胰腺導管腺癌(PDAC)數據分析流程。
結果
胰腺導管腺癌原發(fā)和轉移患者的主要細胞類型
我們使用10個原發(fā)胰腺導管腺癌患者和轉移胰腺導管腺癌患者的單細胞數據進行分析。質量控制之后，我們獲得了單細胞轉錄組，其中原發(fā)癌癥樣本一共有8201個細胞，轉移樣本一共有7332個細胞。我們對所有細胞的高變異基因(HVGs)進行了主成分分析(PCA)。采用T-分布隨機鄰近嵌入(t-SNE)技術對細胞進行可視化。我們發(fā)現細胞主要根據樣本分組，這提示樣本之間的批次效應存在于細胞中(圖2A)，并且會混淆PDAC的關鍵生物學變異。因此，我們整合所有的樣本并進行批次矯正。然后，我們檢查了整合數據的樣本分布，發(fā)現大多數細胞的分布是無偏的(圖2A)。使用Seurat (V3.2.2)進行的無監(jiān)督聚類顯示了7個簇，這些簇被注釋為腫瘤細胞、癌癥相關成纖維細胞(CAF)、T細胞和巨噬細胞(圖2B)。為了確定每個細胞簇的身份，我們通過進行差異基因表達分析產生了細胞簇特異性的標記基因。我們使用了一些知名的標記基因來鑒定細胞類型，如EPCAM和KRT19代表腫瘤細胞，COL1A1和ACTA2代表癌癥相關成纖維細胞(CAF), CD3D和CD3E代表T細胞，CD68和CD14代表巨噬細胞(圖2C,D)。當這些標記基因在對應的細胞中高表達時，說明注釋的標記基因是正確的。
為了進一步驗證注釋基因的準確度，我們使用inferCNV工具對注釋基因進行基因拷貝數分析。使用Genome Sequence Archive的正常上皮細胞表達譜作為參考基因，分析結果顯示腫瘤細胞比正常上皮細胞具有較多的拷貝數變異(copy number variation, CNV)(圖2E)。這與胰腺導管腺癌(PDAC)具有大量拷貝數變異(copy number variations, CNA)的結果一致。
圖2。胰腺導管腺癌(PDAC)的細胞組成(A)不同患者的t分布隨機鄰域嵌入(t-SNE)圖。細胞根據患者進行著色,整合前(左)和整合后(右)。(B)原發(fā)性和轉移性胰腺導管腺癌(PDAC)中4種主要細胞類型的t-SNE圖。(C)各細胞類型特異性標記的熱圖。(D)小提琴表達圖。y軸表示表達水平。(E)推斷的正常上皮細胞和腫瘤細胞的拷貝數變異(CNV)熱圖。
2.2. 腫瘤細胞的異質性
目前認為，胰腺導管腺癌(PDAC)可以由多種腫瘤細胞亞群組成，這些腫瘤細胞在許多特性(如轉移風險)方面存在差異。為了探索腫瘤細胞的異質性，我們利用基于平均剪影寬度(silwidth)的分辨率將腫瘤細胞重新聚類成亞簇。silwidth代表一個簇的相似性和不同簇的差異性。silwidth值越大，說明同一簇的細胞具有較高的相似性。silwidth值越大，說明同一簇的細胞具有較高的相似性。我們通過0.1的步驟計算了0.1到1不同分辨率下的平均silwidth寬度，觀察到silwidth寬度的平均值在0.1時最大(圖3A)。最后，在0.1的分辨率下將腫瘤細胞劃分為6個亞簇(圖3B)。為了估計每個亞簇的轉移風險，我們使用SEMT和SCyTo方法進行評估，其中SEMT是評估間充質-上皮轉化(MET)相關基因表達的評分，SCyTo是評估腫瘤細胞差異潛能的評分。之前的一項研究發(fā)現，分化良好的腫瘤細胞與正常細胞更相似，與分化較差或未分化的腫瘤細胞相比，傾向于生長和擴散更慢。此外，間充質-上皮轉化(MET)也與腫瘤轉移相關。為了準確評估腫瘤細胞亞群的轉移風險，我們通過整合SEMT和SCyTo，提出了轉移風險評分scMetR(圖3C)。結果顯示，亞群0、1和2的scMetR評分有顯著差異(Wilcoxon檢驗:p < 0.01;圖3D)。因此，我們確定了三個具有不同轉移風險的亞群。我們將亞群0和2定義為具有轉移特征的腫瘤細胞(MFTC)，亞群3、4和5定義為轉移性腫瘤細胞(TransMTC)，亞群4和5定義為轉移性腫瘤細胞(TransMTC)。亞簇1作為傳統(tǒng)腫瘤細胞(ConvTC)。我們比較了不同腫瘤亞群的scMetR評分，發(fā)現具有轉移特征的腫瘤細胞(MFTC)的scMetR評分顯著高于移行轉移性腫瘤細胞(TransMTC), 移行轉移性腫瘤細胞(TransMTC)的scMetR評分顯著高于傳統(tǒng)腫瘤細胞(ConvTC)(圖3E)。然后，我們可視化了原發(fā)和轉移樣本中腫瘤亞群的數量和比例。雖然具有轉移特征的腫瘤細胞(MFTC)在轉移性樣本中較多，但其比例在原發(fā)樣本中較高(圖3F和G)。
圖3。不同轉移風險的腫瘤亞群。(A)每個分辨率下的平均剪影寬度(silwidth)圖。(B)分辨率為0.1的腫瘤亞簇的t-分布隨機鄰域嵌入(t-SNE)圖。(C)計算scMetR評分的示意圖。(D)每個腫瘤亞簇的scMetR評分的小提琴圖。(E)每個腫瘤亞群的scMetR評分的小提琴圖。(F)原發(fā)灶和轉移灶腫瘤亞群的t-SNE圖樣本，基于scMetR進行識別。右上:主要樣本。右下:轉移性樣本。(G)腫瘤原發(fā)和轉移患者比例條形圖亞類。使用Wilcoxon檢驗*** p < 0.001
2.3. 與轉移相關的特征基因
為了揭示轉移在癌癥中的作用，我們進行了進一步的分析。我們發(fā)現了具有轉移特征的腫瘤細胞(MFTC)和傳統(tǒng)腫瘤細胞(ConvTC)之間的差異表達基因(differentially expressed genes, DEGs)，并將其定義為轉移特征基因（MSGs），這些基因一共有431個。為了了解潛在的相關功能，我們對上調的轉移特征基因（MSGs）進行了功能富集分析，并確定了幾種與轉移相關的功能，包括細胞趨化、缺氧反應、粒細胞趨化和髓樣白細胞遷移(圖4A)。這表示上調的轉移特征基因（MSGs）可能促進腫瘤轉移。研究發(fā)現，轉移性胰腺導管腺癌(PDAC)患者的臨終結果比原發(fā)胰腺導管腺癌(PDAC)患者差，表明高轉移風險患者的生存比低轉移風險患者的預后要差。因此，我們使用了癌癥基因組(the Cancer Genome)中患者的生存數據，通過TCGA和ICGC數據庫分析患者預后，驗證具有轉移特征的腫瘤細胞(MFTC)是否具有較高的轉移風險。研究發(fā)現轉移特征基因（MSGs）高表達的患者可能具有較高的轉移風險。因此，我們進行了單樣本基因集富集分析(ssGSEA)來評估上調的轉移特征基因（MSGs）的表達水平，并根據ssGSEA評分將患者分為高組和低組。生存分析結果表明，高表達上調MSGs的患者生存期更短(圖4B,C)。進一步，我們對已發(fā)表的2例原發(fā)性具有轉移特征的腫瘤細胞(MFTC)患者的數據進行了空間轉錄組學(ST)分析，以探索具有轉移特征的腫瘤細胞(MFTC)的空間特征。利用PCA對空間轉錄組學(ST)數據進行高變異基因(HVGs)分區(qū)。進行無監(jiān)督聚類后，我們發(fā)現識別出的聚類與定義明確的組織學注釋一致(圖4D)。我們觀察到一些上調的轉移特征基因（MSGs）,這些基因在之前研究中被證實可以促進胰腺導管腺癌(PDAC)細胞的遷移，如TFF1, TFF2和HMGA1。它們在導管上皮區(qū)域和癌區(qū)高表達(圖4E和4F)。通過繪制胰腺導管腺癌(PDAC)切片中的細胞類型，我們發(fā)現轉移性腫瘤細胞(MFTC)優(yōu)先定位于導管上皮和癌區(qū)域(圖4G)。Moncada等人研究發(fā)現與炎癥相關的導管細胞在導管上皮區(qū)域富集。結果表明，轉移相關基因在導管上皮區(qū)域高表達，移性腫瘤細胞(MFTC)主要分布在導管上皮區(qū)域，這與之前關于炎癥促進胰腺導管腺癌(PDAC)轉移的報道一致。
圖4。分析上調的轉移特征基因(msg)。(A)最重要的20個基因本體論(GO)術語的條形圖，按- log10p值遞減排序。x軸顯示對應GO項富集的基因數量。紅色的項與轉移相關。(B,C)癌癥基因組圖譜(TCGA)和國際癌癥基因組聯盟(ICGC)數據集中患者的Kaplan-Meier生存曲線。(D)胰腺導管腺癌(PDAC)空間轉錄組學(ST)的無監(jiān)督聚類分析。顏色表示不同的區(qū)域。(E,F) TFF1和TFF2表達模式的空間解析熱圖。(G)轉移特征腫瘤細胞比例的空間分辨熱圖(MFTC)。比例由顏色表示。
2.4. 胰腺導管腺癌(PDAC)細胞之間的相互作用
除了細胞內在的信息外，細胞間的信息交流也可能促進腫瘤的轉移。我們使用CellChat (V1.5.0)研究所有主要細胞類型和腫瘤細胞亞群之間的信號相互作用。我們比較了在胰腺導管腺癌(PDAC)中通過CellChat推斷腫瘤亞群總數和相互作用的強度。我們發(fā)現，相互作用的總數和強度在轉移性腫瘤細胞(MFTC)中最高，在移行性轉移腫瘤細胞(TransMTC)中次之(圖5A和5B)。為了確定促進轉移的信號通路，我們預測了41個信號通路中的206個顯著的配體-受體相互作用，包括ADGRE5, COLLAGEN, SPP1和ICAM。先前研究表明，ADGRE5信號通路的激活與淋巴結介入、轉移和血管侵犯相關。我們推斷ADGRE5信號通路細胞-細胞網絡發(fā)現，轉移性腫瘤細胞(MFTC)腫瘤亞群之間的相互作用強度最高，移行性轉移腫瘤細胞(TransMTC)次之(圖5C,D)。這些結果表明，與其他腫瘤亞群相比，MFTC中ADGRE5信號通路的相互作用的總數和強度以及相互作用的強度均增強，提示轉移性腫瘤細胞(MFTC)在腫瘤亞群中具有最高的轉移風險，這與腫瘤亞群的scMetR評分一致。
圖5。主要細胞類型和腫瘤亞群的細胞間通訊。(A)來自腫瘤亞群的交互作用總數。(B)不同細胞類型之間相互作用的數量。連接單元格的線的粗細表示交互的數量。圓圈的大小表示單元格的數量。(C) ADGRE5信號通路中任意兩個細胞群之間相互作用的熱圖。右側和上方的條形圖分別代表總輸出和輸入信號強度。(D)推斷的ADGRE5信令網絡。左、右側圖分別顯示了對腫瘤亞群和其他細胞類型的自分泌和旁分泌信號。實圓和開圓分別代表源和目標。圓圈的大小表示單元格的數量。連接細胞的線條的粗細表示相互作用的強度。
2.5. 潛在與轉移相關的抑制劑
手術切除胰腺導管腺癌(PDAC)是唯一可能治愈的治療方法，但胰腺導管腺癌(PDAC)術后遠處常常發(fā)生復發(fā)。因此，找到與轉移相關的抑制劑具有重要作用。為了尋找潛在的治療藥物，我們分析了來自代表藥物治療前后基因表達變化的綜合網絡細胞標簽庫(LINCS)的數據。使用基因集富集分析(GSEA)，我們檢測了藥物使用后上調或下調的基因中是否存在轉移特征基因（MSGs）。如果在藥物使用后下調的基因中存在上調的轉移特征基因（MSGs），則表明該藥物可能逆轉上調的轉移特征基因（MSGs）的表達，成為潛在的轉移抑制因子(圖6)。
圖6?；谵D移特征基因（MSGs）的藥物預測(A)藥物預測工作流程。(B,C)各藥物調控的基因網絡。顯示上調(B)或下調(C) msg中調節(jié)前10%基因的藥物。矩形表示藥物，圓圈表示基因。每一個線和節(jié)點顏色表示一種藥物。如果一個基因可以被一種以上的藥物調節(jié)，這個節(jié)點就會被涂成紅色。(D)描述dinaciclib在腫瘤生長和轉移中對細胞周期蛋白依賴性激酶5 (CDK5)的調節(jié)。
材料與方法
3.1. 單細胞RNA測序數據處理
我們從基因表達綜合(GEO)數據庫(GSE154778)下載了已發(fā)表的胰腺導管腺癌(PDAC)數據，包括10例原發(fā)樣本和6例轉移樣本。每例患者獲得的細胞數量范圍為:原發(fā)樣本為585 ~ 1570個，轉移樣本為272 ~ 2905個。數據集包含9621個原代樣本細胞和7465個轉移樣本細胞。在少于3個細胞中表達的基因被去除。我們篩選了具有40%以上線粒體基因計數、7500多個檢測到的基因和100,000多個唯一分子標識符(UMI)的細胞。使用Seurat (V3.2.2) R軟件包進行預處理。
3.2. 確定胰腺導管腺癌(PDAC)的主要細胞類型
使用帶有默認參數的NormalizeData函數對所有通過質量控制的單元格進行合并和規(guī)范化。使用FindVariableGenes函數篩選出前2000個HVGs。然后，使用帶有默認參數的ScaleData函數對這些數據進行縮放。使用Harmony軟件進行批量校正。FindCluster函數用于查找集群。該函數返回了幾個細胞簇，這些細胞簇被t-SNE修飾。利用FindMarkers功能識別集群特異性的標志基因和不同細胞類型的標志基因。調整后的p < 0.05和|logFC| > 0.25(FC, fold change)設置為閾值。根據經典標志物的表達鑒定細胞簇的特性:腫瘤細胞的EPCAM、KRT19和KRT7; 癌癥相關成纖維細胞(CAF)的COL1A1和ACTA2;T細胞CD3D和CD3E;巨噬細胞的CD68、CD14和AIF1。我們使用inferCNV (inferCNV of the Trinity CTAT Project: https://github.com/broadinstitute/inferCNV，于2022年4月10日訪問)推斷拷貝數變異分析。以GSA來源的正常上皮細胞(CRA001160)作為參照細胞。對于推斷cnv分析，使用以下參數:cut off = 0.1，和HMM_type = ' i6 '。因此，生成熱圖來說明每個染色體的相對表達強度。
3.3重聚集腫瘤細胞用于探索腫瘤細胞的異質性
我們對腫瘤細胞進行了重新聚類，以細化具有不同轉移風險的亞群。在少于3個腫瘤細胞中表達的基因被切除。進一步分析包括對數據進行標準化和縮放、識別hvg、批次校正和重新聚類。使用的功能與細胞類型注釋相同。通過0.1的步驟，我們以0.1到1不等的分辨率重新聚集了腫瘤細胞。在這里，我們通過silwidth來評估不同分辨率下的聚類結果，silwidth是一個衡量簇內細胞和不同簇間細胞相似性的指標。silwidth越大，表明同一簇的細胞具有較高的相似性。使用聚類計算每個分辨率下的平均橫徑。
3.4腫瘤細胞亞群的轉移風險評估
為了估計腫瘤細胞亞群的轉移風險，我們?yōu)槊總€細胞提出了一個轉移風險評分，命名為scMetR。使用以下公式對每個細胞進行評分：
其中SEMT是ssGSEA計算的分數，以估計來自EMT-associated gene resource (dbEMT 2.0)的基因表達;SCyTo為CyToTRACE計算的細胞分化評分;r為SEMT與SCyTo的Pearson相關系數。SEMT和SCyTo被縮放到[0,1]。采用Wilcoxon檢驗計算每個腫瘤亞群與其余腫瘤亞群之間的顯著性差異。以P < 0.01為閾值。根據scMetR評分，定義了3個不同轉移風險的腫瘤細胞亞群，包括MFTC、TransMTC和ConvTC。
3.5功能和生存分析揭示MFTC的轉移風險
使用FindMarkers函數鑒定MFTC和ConvTC之間差異表達基因的(DEGs)，并將該類基因被定義為轉移特征基因（MSGs）。調整后的p < 0.05和|logFC| > 0.25被設置為閾值。利clusterProfiler (V4.2.1) R包對基因本體(GO)的生物過程(BP)類進行功能富集分析。選擇最小計數≥1且調整后p < 0.05的項。我們從TCGA中獲取了PDAC患者的批量RNA-seq數據(http://portal.gdc.cancer.gov/，于2022年4月8日訪問)以及ICGC的AU和CA隊列
(http://dcc.icgc.org/， 2022年4月8日訪問)。對無生存數據的患者進行篩選。最終TCGA、ICGC AU和CA隊列分別保留146、90和215個樣本用于生存分析。我們使用ssGSEA評估患者上調的差異表達基因的(DEGs)表達水平。根據ssGSEA評分將患者分為高危組和低危組。使用survminer (V0.4.9) R包的surv_cutpoint函數確定cut-off值，采用log-rank檢驗計算p值。
3.6 分析空間轉錄組學數據以發(fā)現空間特征
我們從GEO數據庫(GSE111672)中訪問了PDAC的公共ST數據，該數據包含兩個主要樣本。PDAC-A樣本包含428個空間點，PDAC-B樣本包含224個空間點。在少于5個點表達的基因被去除。我們使用NormalizeData函數對數據進行歸一化，RunPCA函數執(zhí)行PCA, FindNeighbors和FindClusters對ST點進行聚類。根據組織學特征對每個聚類進行注釋。為了揭示MFTC的分布，我們使用條件自回歸反卷積(conditional autoregressive-based deconvolution, CARD)結合scRNA-seq數據。CARD需要包含不同細胞類型基因表達信息的scRNA-seq以及包含定位信息的ST數據。CARD通過非負因子分解框架進行反卷積，并輸出跨空間位置的估計細胞類型組成，其中包括PDAC中所有細胞類型的單細胞轉錄譜和兩個PDAC樣本的ST數據。利用CARD (V1.0) R包的CARD_deconvolution函數計算每個空間位置的細胞類型比例。
3.7 揭示促進轉移的細胞-細胞通訊模式
為了揭示主要細胞類型之間的通訊模式，我們使用CellChat (V1.5.0)進行細胞間通訊分析。使用標準化數據創(chuàng)建了一個CellChat對象，用于推斷不同細胞類型之間的細胞通信。CellChat通過評估和整合CellChat管理的人類配體受體數據庫的基因表達水平，計算了有生物學意義的通信模式的概率。我們遵循了官方的工作流程并應用了預處理步驟，包括函數identifyOverExpressedGenes、identifyOverExpressedInteractions和projectData。然后，我們基于computecommunprobb, computeCommunProbPathway和aggregateNet計算了細胞類型之間潛在配體-受體相互作用。所有函數都使用默認參數運行。
3.8 逆轉轉移特征基因（MSGs）表達的候選藥物的預測
我們從LINCS (http://www.Linc-sproject.org/，2022年6月2日訪問)下載了藥物治療后的轉錄應答數據集。對每種藥物，轉錄反應使用FC表示治療和未治療的情況。藥物的作用條件不同，如不同的胰腺癌細胞株、藥物濃度和治療次數。計算每個基因在治療組和未治療組之間的FC。然后，使用基于分層多數投票方案的原型排序表(Prototype ranking List, PRL)合并不同情況下使用相同藥物的FC排序表。各排序表中上調或下調的基因分別位于合并排序表的頂部或底部。接下來，我們使用GSEA檢測被藥物上調或下調的基因中是否存在轉移特征基因（MSGs），以評估其作為轉移抑制劑的潛力。潛在轉移抑制因子上調的基因中包含下調的轉移特征基因（MSGs）。PRL通過GeneExpressionSignature (V1.38.0)包的rank merge功能實現。利用fgsea (V1.18.0) R包的fgsea功能進行GSEA分析。通過設置p < 0.05的閾值來選擇候選藥物。
4 討論
胰腺導管腺癌(PDAC)是一種異質性疾病，在腫瘤細胞中具有不同的轉移風險。先前研究表明轉移會導致患者預后較差。因此，探索腫瘤的異質性和潛在的轉移風險是非常必要的，這是改善胰腺導管腺癌(PDAC)預后的關鍵。在本研究中，我們基于scRNA-seq數據鑒定了胰腺導管腺癌(PDAC)中的不同細胞類型，包括腫瘤細胞，CAF, T細胞和巨噬細胞（圖2B）。
總之該研究確定了原發(fā)性和轉移性胰腺導管腺癌(PDAC)的主要細胞類型，我們提出了scMetR來揭示關于轉移風險的腫瘤異質性。進一步分析發(fā)現，基于scMetR定義的MFTC具有較高的轉移風險。同時預測潛在的腫瘤轉移抑制劑。因此，我們的分析可能提供一種新的評估轉移風險的方法，這將有助于轉移的診斷和治療。
