B细胞亚群中存在Breg亚群（regulatory B cells，Breg）吗？

生信技能树

发布于 2025-06-24 10:11:10

17500

代码可运行

文章被收录于专栏：生信技能树生信技能树

运行总次数：0

代码可运行

本篇内容接上一篇稿子：都2025年了啥单细胞数据分析还没有实验验证能发到IF10+呢？，讨论B细胞亚群中是否真的存在 Breg亚群。数据背景等可以参考上面的微信稿！

数据读取在上面的稿子中也有，这里重新看看：

###
### Create: Jianming Zeng
### Date:  2023-12-31  
### Email: jmzeng1314@163.com
### Blog: http://www.bio-info-trainee.com/
### Forum:  http://www.biotrainee.com/thread-1376-1-1.html
### CAFS/SUSTC/Eli Lilly/University of Macau
### Update Log: 2023-12-31   First version 
### Update Log: 2024-12-09   by juan zhang (492482942@qq.com)
### 
rm(list=ls())
options(stringsAsFactors = F)
library(ggsci)
library(dplyr) 
library(future)
library(Seurat)
library(clustree)
library(cowplot)
library(data.table)
library(ggplot2)
library(patchwork)
library(stringr)
library(qs)
library(Matrix)

# 创建目录
getwd()
gse <- "GSE290927"
dir.create(gse)

###### step1: 导入数据 ######   
samples <- list.dirs("GSE290927/", recursive = F, full.names = F)
samples
scRNAlist <- lapply(samples, function(pro){
#pro <- samples[1]
print(pro)
  folder <- file.path("GSE290927/", pro)
  folder
  counts <- Read10X(folder, gene.column = 2)
  sce <- CreateSeuratObject(counts, project=pro, min.cells = 3)
return(sce)
})
names(scRNAlist) <-  samples
scRNAlist

# merge
sce.all <- merge(scRNAlist[[1]], y=scRNAlist[-1], add.cell.ids=samples)
sce.all <- JoinLayers(sce.all) # seurat v5
sce.all

library(qs)
qsave(sce.all, file="GSE290927/sce.all.qs")

初步注释

然后经过质控，并降维聚类分群，harmony去批次，使用下面的基因先来注释一下大的亚群，提取出B细胞亚群后做亚群细分。

细胞对应的markers基因文献中提供了一个附件表格，如下：

cell_markers <- list(
  "Epithelial cells" = c("EPCAM", "KRT18", "KRT19", "KRT8", "KRT17", "KRT15"),
"T cells" = c("CD2D", "CD3D", "CD3E", "CD3G"),
"B cells" = c("CD19", "CD79A", "CD79B", "MS4A1"),
"Myeloid cells" = c("CD33", "CD68", "CD1E", "LYZ", "LAMP3"),
"NK cells" = c("CD56", "CD16", "NKP46", "NKP30"),
"Fibroblasts" = c("COL1A1", "COL1A2", "COL3A1", "ACTA2", "FAP", "S100A4"),
"Endothelial cells" = c("PECAM1", "CD34", "CDH5", "VWF", "VEGFR", "TEK", "CD54" )
  )

文献给出的列表里面有很多蛋白名字，修正一下

CD56：NCAM1

CD2D：没有对应的基因名或者蛋白名

CD16：FCGR3A

NKP46：NCR1

NKP30：NCR3

VEGFR：KDR

CD54：ICAM1

修正后的基因列表：

cell_markers <- list(
  "Epithelial cells" = c("EPCAM", "KRT18", "KRT19", "KRT8", "KRT17", "KRT15"),
"T cells" = c("PTPRC", "CD3D", "CD3E", "CD3G"),
"B cells" = c("CD19", "CD79A", "CD79B", "MS4A1"),
"Myeloid cells" = c("CD33", "CD68", "CD1E", "LYZ", "LAMP3"),
"NK cells" = c("NCAM1", "FCGR3A", "NCR1", "NCR3"),
"Fibroblasts" = c("COL1A1", "COL1A2", "COL3A1", "ACTA2", "FAP", "S100A4"),
"Endothelial cells" = c("PECAM1", "CD34", "CDH5", "VWF", "KDR", "TEK", "ICAM1")
  )

还辅助一些其他的marker基因，如这篇稿子中使用的：中性粒细胞的质量值到底是多低呢？

大类注释结果如下：

B细胞亚群细分

现在挑选出来 B细胞亚群：

rm(list=ls())
library(harmony)
library(qs)
library(Seurat)
library(clustree)

###### step3: harmony整合多个单细胞样品 ######
dir.create("4-subcluster_Bcells")
getwd()

# 读取数据
sce.all <- readRDS("3-check-by-0.3/sce.all.int.RData")
table(Idents(sce.all))

sce_sub <- subset(sce.all, idents = c("B cells") )

# 默认 ScaleData 没有添加"nCount_RNA", "nFeature_RNA"
sce_sub
print(dim(sce_sub))
head(sce_sub@meta.data)

然后重新走一下标准流程分析，开始注释！文献里面用到的B细胞marker基因如下：这些marker在用的时候有一些不是理想。

################################ 本数据marker：2025-GSE290927-Breg B细胞亚群
cell_markers <- list(
"B cells" = c("CD19", "CD79A", "CD79B"),
"Memory B cells" = c("MS4A1", "CD27", "AIM2", "TNFRSF13B", "CRIP2", "ITGB1"),
#"Naïve B cells" = c("MS4A1", "IGHD", "FCER2", "TCL1A", "IL4R"),
"Naïve B cells" = c("IGHD", "FCER2", "TCL1A", "IL4R"),
"GC B cells" = c("AICDA", "RGS13", "GCSAM"),
"Bregs" = c("IL10", "CD1D", "CD5", "TGFB1"),
"Plasma cells" = c("CD38", "SDC1", "MZB1")
)

又找了一下别的地方的marker基因，曾老板以前写的一个帖子：B细胞细分亚群。首先 B cells (form marker gene: CD79A) 可以细分成为 CD20+ B cells 和 CD138+ plasma cells。

CD20+ B cells，又是可以细分成为：

naïve B cells (CD20+, CD27−, and CD38−), 主要的基因是 IGHD, FCER2, TCL1A, and IL4R, 初始B细胞是未接触过抗原的B细胞，它们在骨髓中成熟后迁移到外周淋巴组织，等待抗原刺激。
memory B cells (CD20+, CD27+, and CD38–), 主要的基因是 CD27, AIM2, TNFRSF13B，记忆B细胞是在初次免疫反应后形成的，它们能够长期存活，并在再次遇到相同抗原时迅速分化为浆细胞，产生大量抗体。
germinal center (GC) B cells (CD20+, CD27+, CD38+, and CD138−)，主要的基因是S1PI2, LRMP, SUGCT, MME, MKI67, and AICDA，生发中心B细胞是B细胞在免疫反应中发生体细胞高频突变和类别转换重组的场所，它们在生发中心中与T细胞和树突状细胞相互作用，进一步分化为浆细胞或记忆B细胞。

CD138+ plasma cells，可以细分成为：

IgA plasma
IgG plasma cells

背诵一些基因功能：

CD20+：对应的基因是MS4A1，编码CD20蛋白，CD20是B细胞表面的重要标志物，参与B细胞的活化和增殖。
CD27−：CD27对应的基因是CD27，编码CD27蛋白，CD27是共刺激分子，参与T细胞和B细胞的激活。CD27−表示细胞表面不表达CD27蛋白。
CD38−：CD38对应的基因是CD38，编码CD38蛋白，CD38在多种细胞类型中表达，在B细胞上，其表达水平可用于区分不同的B细胞亚群。CD38−表示细胞表面不表达CD38蛋白。
CD138−：CD138对应的基因是SDC1，编码CD138蛋白，CD138是浆细胞的标志物，其在浆细胞表面高表达。CD138−表示细胞表面不表达CD138蛋白
IGHD基因：该基因编码免疫球蛋白D（IgD）的重链。IgD主要作为B细胞表面受体的一部分，参与B细胞的活化和成熟。它在成熟B细胞上表达，对于B细胞的发育和功能至关重要

总结如下：

############## 这个来自曾老板的脚本中的marker，然后发现在这里来自 https://mp.weixin.qq.com/s/6JO50MSVntbVC9SYupGpzQ
# CD20 (MS4A1)表达于除plasma B 之外的所有B，很关键的区分naive 和plasma的marker
# SDC1 = CD138 plasma B （接受抗原，可表达抗体） 
Bcels_markers_list <- list(
  All = c('MS4A1','SDC1', 'CD38','CD19', 'CD79A'),
  naive =c( 'IGHD', 'FCER2', 'TCL1A','IL4R'),
  memory=c('CD27', 'AIM2', 'TNFRSF13B'),
  GC_B = c('S1PI2', 'LRMP', 'SUGCT', 'MME', 'MKI67', 'AICDA'),
  plasma =c('IGHA1','IGHG1','JCHAIN') 
)
p <- DotPlot(sce.all.int, features = Bcels_markers_list, assay='RNA',group.by = select_idet,cols = c("grey", "red") ) + 
  ggtitle(paste0(select_idet, ": Bcels_markers_list")) + 
  xlab("") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # 更改x轴标签角度
p[["theme"]][["strip.text"]]$angle <- 90
p[["theme"]][["strip.text"]]$hjust <- 0
p
ggsave(filename = "4-subBcells_check-by-0.3/Markers_Bcels_markers_list-dotplot.pdf", plot=p, width=15, height = 8,bg="white")

注释：

第六群看marker这个地方很有意思，文献里面的 "Bregs" = c("IL10", "CD1D", "CD5", "TGFB1") 表达很微弱，然后你会发现它还大量表达T细胞marker，这个现象在微信群里每天都有人问：我的这群细胞里面为什么同时表达 B细胞marker和 T细胞marker呢？