简单实验搭配单细胞分析的高分文章!不学后悔!

2023-04-17 13:41:15, 生信小师妹


今天跟大家强推这篇近期发表在Nat Comm上的单细胞解析肿瘤微环境生信好文!小编私以为就凭借这个思路,这个结果,但凡单细胞测序样本量再大一些,只发到NC都亏了!文章标题:A single-cell analysis reveals tumor heterogeneity and immune environment of acral melanoma.

01

研究背景

肢端黑色素瘤(AM)是一种发生在肢端皮肤的黑色素瘤(CM)亚型最近的研究显示,免疫疗法黑色素瘤的治疗响应率可达38%,但对AM的响应率只有16.6%该研究旨在通过单细胞测序,从肿瘤异质性和免疫环境角度探索AM的内在特征。

02

样本及数据信息

作者将6例黑色素瘤患者的5例肢端和3例皮肤肿瘤样本(7个原发性和1个淋巴结转移以及收集了一名接受免疫治疗的患者的治疗前和治疗后的样本)的单细胞测序数据作为发现集,并对从不同时间段收集的2肢端黑色素瘤1个皮肤肿瘤标本进行了scRNA-seq,作为内部验证集,并将已发表的9个肢端肿瘤样本scRNA数据作为外部验证集。此外57个黑色素瘤样本bulk RNA测序数据TMCH-57、免疫荧光染色、细胞水平的药物治疗实验。

03

研究结果

1.基于scRNA-seq构建黑色素瘤单细胞图谱

首先基于发现集数据(5例肢端和3例皮肤肿瘤样本)进行细胞聚类分群,再基于marker基因进行细胞群鉴定,确定了免疫细胞T细胞B细胞自然杀伤细胞单核细胞巨噬细胞和非免疫细胞黑色素瘤细胞内皮细胞纤维母细胞多种细胞类型并且发现AMCM的免疫细胞组成占比区别很大

2.探究黑色素瘤肿瘤细胞的异质性

首先作者根据GO富集分析黑色素瘤肿瘤细胞的功能特征并根据功能特征将黑色素瘤肿瘤细胞分为5个主要亚Signature1-5然后拟时序分析显示,5个肿瘤细胞亚群处于不同的发展状态Signature23的细胞可能是原始的肿瘤细胞Signature145的黑色素瘤细胞处于发展的中期,分化较好

接下来,作者还探究了黑色素瘤肿瘤细胞功能特征的预后意义首先基于Signature富集得分将scRNA-seq6名患者分为C1/C2两组,发现这两组的总生存期有显著差异。然后TMCH-57队列57个样本TCGA皮肤皮肤黑色素瘤样本分别聚类为C1/2组。一致地发现C1组显著富集Signature23C2组显著富集Signature145并且C1组相比,C2患者的总生存率更高。值得关注的是TMCH-57队列中,几乎所有的CM样本都属于C1,而C2基本上由AM样本组成AM患者的总生存期比CM患者要好。据此推测AMCM的生存差异可能源于具有不同功能的肿瘤细胞比例差异

3.探究肢端黑色素瘤的免疫微环境

作者又对所有的免疫细胞重新聚类分析群,将它们分为6种细胞类型。其中T细胞群包括CD4+T细胞亚群,CD8+T细胞亚群和细胞周期T细胞亚群T细胞亚群又可以再细分,比如CD4+T细胞又分为Treg细胞CD4-CCR7, CD4-LEF1CD4+Naive T细胞),以及CD4-NR4A1组织常驻记忆T细胞)。细胞毒性T细胞亚群由CD8-GZMKCD8-MT1E组成CD8-PDCD1CD8-LAG3亚群是免疫抑制性的CD8+T细胞。值得关注的是,AMTregs的浸润比CM稍高。8个样本(5AM3CM)的多重免疫荧光染色证实FOXP3+TregsAM中确实比在CM患者中浸润更高,而其他T细胞亚群在AMCM中没有明显的差异。

4.深入挖掘肢端黑色素瘤与皮肤黑色素瘤的CD8+T细胞分化状态

作者对鉴定到的6CD8+T细胞亚群进行拟时序分析以探究其分化轨迹。结果CD8+T细胞亚群分为三个阶段CD8-CCR7CD8-NR4A1亚群开始分化,经过一个中间状态(即CD8-GZMKCD8-MT1E亚群),在衰竭状态(即CD8-PDCD1CD8-LAG3亚群)结束。同时发现早期和晚期状态细胞主要分布在AM和淋巴结转移的样本中,而中间状态则在CM中占主导地位此外,CM相比,AM的衰竭特征得分明显更高,而细胞毒性特征和驻留分数则明显较低。多重免疫荧光染色实验进一步证实PD1TIM-3AM中表达更多,而GZMBCM中表达更显著。CM相比,AMCD8+ T细胞以衰竭状态为主,细胞毒性降低这些也表明AM患者更有可能对免疫疗法产生抗性。此外,AM患者耗尽的CD8+ T细胞以PD1TIM-3的高表达为特征。因此,选择性多靶点免疫疗法可能有益于AM患者

5.TIM-3和抗PD1联合治疗可增加AM的肿瘤细胞凋亡率

作者通过体外细胞实验,进一步探讨联合应用抗PD1和抗TIM-3可能使AM患者受益。从AMCM患者的新鲜肿瘤组织中分离出肿瘤细胞和CD8+T细胞。将CD8+T细胞分为4组,用不同的免疫检查点抑制剂药物(包括抗PD1、抗TIM-3、抗PD1+TIM-3和对照组)培养1小时,然后与肿瘤细胞共培养24小时,检测肿瘤细胞的凋亡比例。结果显示,PD1联合抗TIM-3组的AM肿瘤细胞凋亡比明显增加,联合组呈现叠加效应。因此,该结果提示可用PD1和抗TIM-3联合治疗克服AM免疫治疗耐药性。

6.肢端黑色素瘤免疫耐受患者治疗前后的差异

作者比较了一名患者免疫治疗前后两个样本(Acral3-preAcral3-post)中免疫细胞比例的变化。发现治疗前的样品具有更多的CD8+T细胞和循环T细胞,而处理后的样品在CD4+TB细胞占比更多然后比较了这两个样本之间CD8+T细胞的差异表达基因以及发育轨迹。多重免疫荧光染色实验结果进一步证实,在治疗后样本中,CD8+T细胞比例下降,而CD4+T细胞和B细胞比例上升。接下来又用两个接受免疫治疗的黑色素瘤患者的数据集验证得到类似的免疫细胞比例变化趋势总之接受抗PD1治疗后,CD8+T细胞的细胞毒作用降低,原有的免疫相关功能丧失。这些可能是该AM患者的抗PD1治疗无效的原因。

最后作者又通过inferCNV分析,发现治疗后的样本中4号染色体的基因组扩增明显还筛选到44治疗前后组间差异表达基因(可能与免疫治疗抗性有关。这44个基因在EGFR和细胞周期通路中富集。这意味着免疫治疗结合EGFR通路相关基因(TRIM2GAB1SPRY1)抑制剂可能会提高免疫治疗的效果

小编有话说

这篇文章思路主线清晰明确(比较AMCM患者肿瘤微环境异质性,以及探究AM免疫治疗抵抗的原因),用简单的生信分析方法挖掘到有深度的研究结论(通过生信结果给出治疗指导策略),美中不足的就是治疗前后scRNA样本数太少了,使免疫治疗部分生信结果不那么有说服力,还好有实验验证支持生信结果。总之看完给人的错觉就是:发NC,so easy!

文章分析思路简单,单细胞分析方法也是常规的,你有心动吗?前提是你得会这些分析,才有可能利用合适的思路,发表自己的单细胞高分文章!


 但是对于普通科研人员来说,可能要问这样几个问题:


单细胞测序成本贵吗?

以前,拿样本到测序公司去测还是比较昂贵的,一个样要大几万块,因此对大部分普通的科研人员来说,单细胞测序是可望而不可及的。目前而言,一个样只要2-3万,甚至少于2万的也有,对于不少科研人员来说,还是可以接触和使用了!


那是否有办法以较低的门槛进行单细胞测序分析呢?

,如果数据库中有现成的单细胞测序数据,并且我们能有效利用数据库中现有的单细胞测序数据来分析,那么就可以零成本跨入单细胞测序的大门了。


目前数据库中有这样的数据吗?

,以常见的GEO数据库为例,在GEO中,单细胞测序数据集覆盖正常组织、血液、胚胎等各类组织,肿瘤、炎症、神经疾病等各种常见病类型,人、小鼠、斑马鱼等各种模式生物,为挖掘单细胞数据提供了极大的便利,同时也大大节省了实验成本。


去哪里能学到单细胞测序数据挖掘呢?

单细胞数据的挖掘相对来说确实有更大的分析难度,可学习的公开资料参差不齐,懂原理会方法的的人少,现成的工具更是少之又少。为了克服这样的痛点,小张聊科研开设了“单细胞转录组数据挖掘实战班”课程,带大家一起去“入门”高大上的单细胞测序分析,尝试发表单细胞转录组测序数据挖掘文章。


上完这个课我能学到什么?

1、掌握R语言基本语法

2、了解单细胞转录组测序基本概念及原理

3、了解单细胞转录组测序主要的数据库

4、掌握单细胞转录组测序数据的下载方法

5、掌握单细胞转录组测序挖掘常规思路

6、学会用R代码进行单细胞转录组分析并作图

7、熟悉单细胞转录组发文思路

8、无论是单样本、还是多样本比较分析,统统掌握

无论是从数据库获取、还是拿到测序公司给的数据,本课程都适合您!



讲师介绍

Dr. Jiang,生物信息学博士,精通C语言、R语言和Linux shell编程,有十余年的各种测序数据分析经验,研究内容涉及基因组、转录组,单细胞转录组、单细胞空间转录组、GEO芯片等数据的分析工作,掌握群体遗传学与表观遗传学的分析技术,具备挖掘miRNA、m6a与癌症的关系的能力,发表论文30余篇,其中一作10篇。

适合人群

广大临床/科研工作者,研究生,零基础或相关爱好者均可参加。

零基础人员和需要提高者可以课前学习“R语言基础与绘图”录播课,这样上课更容易消化和吸收知识。课程链接如下:https://ke.qq.com/course/1184328?tuin=831272e


部分课程图片展示


小提琴图展示marker基因表达



点图展示marker基因表达



山脊图展示marker基因表达




根据marker基因进行细胞分群注释



细胞的聚类分群:非线性降维可视化(UMAP/tSNE)


还有更多未列出。。。。。



课程安排

1.内容安排

Day1


9:00-12:00

背景知识介绍

单细胞测序技术原理及在科研领域的应用

单细胞测序平台原理介绍

单细胞研究思路及案例分享

单细胞数据表达矩阵下载

12:00-13:00

午休

13:00-17:00

R语言简介

R语言概述

R软件及R包安装

R语言语法及数据类型

变量

函数

程序流程控制

17:00-17:30

学员提问及讨论

Day  2


9:00-12:00

单样本转录组数据分析

单细胞分析环境搭建、Seurat包安装

单细胞矩阵数据读取与格式介绍

数据质控与标准化(单样本分析)

单细胞降维与聚类分析

Marker基因筛选与细胞亚群注释

不同细胞亚群间差异基因鉴定与功能注释

提问与讨论

12:00-13:00

午休

13:00-17:00

多样本转录组比较分析

多样本表达矩阵构建

数据质控与标准化

降维与聚类分析

Marker基因鉴定与细胞亚群注释

样本间细胞亚群频率比较

样本间差异表达基因鉴定与功能富集分析

数据可视化总结:绘制小提琴图、散点图、山脊图、火山图、热图、气泡图、feature plot

单细胞转录组拟时序分析

拟时序分析的原理

拟时序分析的应用

细胞轨迹分析

17:00-17:30

学员提问及讨论

注:1、实际授课过程中,老师可能根据学员学习速度对课程进行微调。 

  2、请学员自带电脑,mac或者windows系统的笔记本(请勿使用XP系统)。

2.会议信息

时间:2023年4月22-23日(周六、周日)
平台:腾讯会议(参会人员提前下载腾讯会议电脑客户端,并注册登录)


报名事项

1.报名费(可开票):

4月14日前

4月15日至21日

3400

3600

二人组团报名,每人可优惠100元

人组团报名,每人可优惠200元

人及以上组团报名,每人可优惠300元

特别说明:

办会员可以享八折优惠!

会员介绍链接。


2.报名联系

请联系猫头鹰班长(微信号:xzlky2015-training),加微信时请注明“姓名+报名咨询

课程详情
小张聊科研的课程包含课题设计、实验规划、数据处理、论文写作、发表投稿等等多个方面,大体具备了基础性、全面性和系统性,辅助大家在生物医学基础科研上越走越远!




讲师招聘

链接:小张聊科研兼职讲师常年招聘



科室合作

如果科室/单位在科研上存在困扰,
想要提高科室/单位科研水准,
请联系我们。
链接:小张聊科研 单位/科室学术体系建设合作业务来啦!


  • 客服电话: 400-6699-117 转 1000
  • 京ICP备07018254号
  • 电信与信息服务业务经营许可证:京ICP证110310号
  • 京公网安备1101085018
  • 客服电话: 400-6699-117 转 1000
  • 京ICP备07018254号
  • 电信与信息服务业务经营许可证:京ICP证110310号
  • 京公网安备1101085018

Copyright ©2007-2023 ANTPEDIA, All Rights Reserved