【原】单细胞测序识别乳腺癌异质性和免疫细胞谱

【科研绘图点我】【付费精品合集】【SEER点我】

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。

image-20200420200540758.png

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。

image-20200420200550308.png

image-20200420200929598.png

③拷贝数变异、通路活性分析和TNBC亚型分析

image-20200420201157183.png

image-20200420201327096.png

测序结果可靠性验证

image-20200420201502626.png

单细胞测序与单细胞qPCR结果相关性较高。

image-20200420201618027.png

image-20200420201904527.png

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

image-20200420202028842.png

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。

image-20200420202250686.png

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。

image-20200420202453407.png

image-20200420202500104.png

可以看出来单细胞推断CNV与WES推断CNV结果相关性较高。

image-20200420202824174.png

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

image-20200420205739307.png

image-20200420210049418.png

肿瘤细胞病人间异质性较强，免疫细胞病人间异质性较弱。

image-20200420210111902.png

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。

image-20200420210310829.png

一些通路活性分析。

image-20200420210329213.png

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。

image-20200420210518404.png

差异分析与GSVA通路活性分析

image-20200420210541237.png

TNBC亚型分析

肿瘤微环境——免疫微环境

image-20200420210701276.png

一些标志物，来源于文献整理

image-20200420210719616.png

image-20200420210824353.png

image-20200420211145179.png

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。

image-20200420211029676.png

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。