文章标题:《A single-cell atlas of the multicellular ecosystem of primary and metastatic hepatocellular carcinoma》
发表日期和杂志:2022年发表在Nature Communications上
在线阅读链接:https://doi.org/10.1038%2Fs41467-022-32283-3
使用了来自四个不同组织部位的肝癌的单细胞RNA测序,并显示了原发肿瘤和转移肿瘤、肿瘤相关巨噬细胞和免疫细胞群之间的差异。
数据链接是:https://www.ncbi.nlm.nih.gov/bioproject/?term=PRJNA662018
文章给的单细胞RNA测序数据一共是21个数据集,提供了count.txt.gz格式的下载文件,直接下载之后使用fread函数读取
GSM4505944 HCC01T
GSM4505945 HCC02T
GSM4505946 HCC03N
GSM4505947 HCC03T
GSM4505948 HCC04N
GSM4505949 HCC04T
GSM4505950 HCC05N
GSM4505951 HCC05T
GSM4505952 HCC06N
GSM4505953 HCC06T
GSM4505954 HCC07N
GSM4505955 HCC07P
GSM4505956 HCC07T
GSM4505957 HCC08N
GSM4505958 HCC08P
GSM4505959 HCC08T
GSM4505960 HCC09N
GSM4505961 HCC09T
GSM4505962 HCC10L
GSM4505963 HCC10N
GSM4505964 HCC10T
数据下载导入,并创建Seurat对象:
###### step1:导入数据 ######
library(data.table)
ct=fread( 'GSE149614_HCC.scRNAseq.S71915.count.txt.gz',data.table = F)
ct[1:4,1:4]
rownames(ct)=ct[,1]
ct=ct[,-1]
sce.all=CreateSeuratObject(counts = ct )
as.data.frame(sce.all@assays$RNA@counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all@meta.data$orig.ident)
library(stringr)
sce.all@meta.data$patients = substring( sce.all$orig.ident ,1,5)
table(sce.all@meta.data$patients)
sce.all@meta.data$group = substring( sce.all$orig.ident ,6,7)
table(sce.all@meta.data$group)
table(sce.all@meta.data$orig.ident)
后面就是标准分析啦,对读取进来的数据进行质控、harmony整合以及细分亚群定义等。
文章中综合数据的tSNE聚类分析,基于共享最近邻(SNN)的非监督聚类方法识别了总共53个细胞簇。
通过BioinfoArk提供的中国区chatGPT查询到各个细分亚群的解释:
临床相关性分析显示,肿瘤中CD4+ TCM或CD20+ B细胞丰度较高与患者生存率提高相关
临床生存分析辅助鉴定单细胞亚群可以参考前些天推文:关键单细胞亚群辅助判定之生存分析
探究了hbv相关和非hbv / hcv相关hcc之间不同的T细胞状态
不同病毒病因患者的组织偏好分析显示,大多数T细胞簇在hbv相关肿瘤中的浸润水平高于非hbv / hcv相关肿瘤。
与scRNA-seq数据一致,在TCGA-LIHC队列中,大多数CD8+ T亚型的推断丰度在HBV-或hcv相关肿瘤中显著高于非HBV/ hcv相关肿瘤
文章从四个组织部位生成了肝癌多细胞生态系统的单细胞图谱。展示了肝细胞癌早期三级淋巴结构(E-TLS)中中央记忆T细胞(Tcm)的丰富,并评估了慢性乙肝病毒/丙型肝炎病毒感染与T细胞渗透和耗竭之间的关系。
发现MMP9+巨噬细胞是终末分化的肿瘤相关巨噬细胞(TAMs),PPARγ是驱动其分化的关键转录因子。还描述了恶性肝细胞的异质性亚群及其在塑造肝细胞癌免疫微环境中的多方面功能。最后确定了七种基于微环境的亚型,它们可以预测肝癌患者的预后。