单细胞转录组学揭示了与鼻咽癌预后相关的免疫细胞多样性及免疫亚型的调控因子

基本信息

题目：Single-cell transcriptomics reveals regulators underlying immune cell diversity and immune subtypes associated with prognosis in nasopharyngeal carcinoma 期刊：Cell Research (IF:48) 发表时间：2020 单位：中山大学 组织类型：鼻咽癌 组学：scRNA, bulk-RNA, WES 测序平台：10X Genomics 样本数：15 patients with treatment-naïve NPC; normal nasopharyngeal epithelial tissue from one patient 细胞数：48,584 数据下载：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE150430

背景知识

鼻咽癌是一种恶性肿瘤，通常发生在鼻咽部位，也称为喉鼻咽癌。这种癌症通常起源于鼻咽部的黏膜上皮细胞，并可能扩散至其他部位，如颈部淋巴结、肺部和骨骼等。

样本信息

15个原发鼻咽癌样本，1个正常样本

大群注释

主图：

b: 利用经典的marker，对大群进行注释。从tsne图可以推断，没有去除样本间的批次效应。

用多个基因的表达量，展示细胞类型的featureplot.

从肿瘤组织的上皮细胞中，鉴定出相对正常的上皮细胞

起源于上皮细胞的肿瘤，其肿瘤组织中的上皮细胞，并不都是非常恶性的，这就是为什么inferCNV结果中，有的细胞没有发生CNV事件。

所以，有的论文，就会根据CNV值，从全部上皮细胞中，鉴定出一些相对正常的上皮细胞，仅用malignant细胞用于后续的分析。

这篇NPC论文的方法，具体如下：

• step1: 提取全部的上皮细胞，包括肿瘤 和 正常样本；
• step2: 对每个样本单独做inferCNV分析，正常样本的上皮细胞做reference
• step3: 将该肿瘤样本和 正常样本的上皮细胞的 CNV值，做聚类分析，如果该cluster中，绝大多数细胞为正常的上皮细胞，那么该cluster中来自肿瘤样本的细胞，认为是 相对正常的上皮细胞。

原文方法如下： First, as NPC arises from the nasopharyngeal epithelium, we extracted all the epithelial cells based on the initial clustering and cell-type identifification described. Second, we inferred large-scale chromosomal copy number variations (CNVs) in each epithelial cell. These inferred CNVs, which were consistent with the WES data (Fig. 1c), were used to separate the malignant cells from the non-malignant cells with normal karyotypes. We then performed hierarchical clustering of the CNV profifiles of the epithelial cells from the normal sample and each of the 15 tumor samples eparately; the non-malignant cells of each tumor sample were identifified as those in the cluster that predominantly contained cellsfrom the normal sample, while the cells with deletions and amplififications of entire chromosomes in the other cluster were identifified as malignant cells.

注：要去除malignant细胞数较少的样本，因为这会影响后面NMF的分群结果。

对恶性细胞进行NMF分群

对每个样本进行NMF分群，随后将所有样本进行合并，得到meta_program基因集。

主图：

a: 用普通方法，用高变异基因，对malignant细胞进行降维聚类，有很明显的样本特异性；

b:每个样本，特异高表达的基因；

c: 将所有的恶性细胞，注释为5个特征基因集。

d: 每个样本的5个特征基因集得分。样本间并没有太大的差异。

附图：

b: 仅用5个meta_program的基因集，将malignant细胞进行聚类，发现样本间很好的聚到一起，即没有太多的差异；

c: 不同的cluster，表现为不同的功能。这样就把cancer细胞分群了，可以当做 亚型 去分析，如细胞通讯分析。

以下图来自另一篇论文中，该论文用NMF方法，划分meta.program,再对tumor细胞分群，后面用tumor的亚群，做细胞通讯分析。

髓系细胞分群，注释

主图：

a/b/c：将髓系细胞分成 cDC1, cDC2, LAMP3+DC, pDC, Monocle, Macrophage.

d: 6个细胞类型做GSVA分析，These results indicate the potential tumor-promoting features of monocytes

e: 6个细胞类型做SCENIC分析，重点分析了4个TFs. BACH1/ RUNX1 NR1H3 /TFEC

T/NK分群，注释

对T/NK进行降维聚类，用Naive markers, inhibitory receptors, cytokines & effector molecules, co-stimulatory moleculors, Tre markers分成5类。

主图：

a/b: 对T/NK降维，聚类，用经典marker进行featureplot 展示；

c: 根据功能，对CD4+T 和 CD8+T进行划分。

h: 免疫检查点HAVCR2 (TIM3) 共表达的基因，top20中，有很多都是 杀伤相关基因

i: SCENIC分子，用使用验证了 EOMES, RUNX3, XBP1 转录因子在T NK中的作用。

B细胞分群，注释

a/b：对B细胞进行分群，发现了一群罕见的FCRL4+B memonry B 细胞。该细胞群与B细胞的招募相关。

c: B细胞的轨迹分析；

e: hallmark基因集，GSVA分析

f: SCENIC分析，验证了BCL6 和 ATF4转录因子在GC 和 plasma 细胞中的作用。

细胞通讯分析

用cellphoneDB做细胞通讯分析

a/b: 从整体查看细胞间的配受体对数量，很常见的图‘

c/d/e/f: 重点关注tumor/CD8Tdys/MAC/LAMP3+DC，这些都是免疫抑制细胞。

可以将配受体对分组，如本文将配受体对，按照功能，分成4组：趋化因子（Chemokine）, 免疫检查点（Inhibitory）, 免疫刺激（Immune stimilatory）, 免疫反应（Immune response）。