SEARCH
技术服务021-34781616

热门搜索关键词:转录组基因组甲基化酵母文库蛋白芯片

021-34781616

当前位置:首页 » 新闻资讯 » 欧易动态 » 失传已久的七剑秘籍助你攻克单细胞肿瘤研究
单细胞测序技术在生命科学领域可谓是炙手可热的研究热点,其在肿瘤、免疫和发育等研究领域已取得众多突破性进展。我们追溯目前单细胞转录组测序技术在肿瘤研究中的分析应用,从肿瘤异质性和基因表达数据两方面入手主要总结了以下7项分析内容。
稍后,小编将从肿瘤分析的异质性、肿瘤分析的基因表达数据,这2个大方向为大家揭秘单细胞转录组肿瘤研究的七剑秘籍!

肿瘤微环境与肿瘤细胞异质性分析
细胞类型鉴定可以说是肿瘤微环境异质性研究中至关重要的一环。通过特定的肿瘤微环境参考数据集,能够特异地鉴定到肿瘤微环境中的主要细胞类型,鉴定结果更加准确、全面。在识别出肿瘤微环境中的特定细胞群后,还可进行亚克隆鉴定,进行深入分析。
(Peng et al. 2019)
上图为肿瘤微环境细胞类型注释结果在tSNE的聚类展示,图中的每个点代表一个细胞,距离相近的细胞认为是同一类型细胞,不同的细胞类型以不同颜色区分。从上图可知,在肿瘤微环境中共鉴定到10个不同的细胞群。

肿瘤细胞内表型异质性分析
判断细胞恶性程度,区分恶性细胞和非恶性细胞也是肿瘤研究中的关键问题之一。通常从scRNA-seq数据中根据推断的拷贝数变化(CNV)可作为鉴别恶性肿瘤细胞的依据。此外,通过评估细胞周期和细胞干性特征可深入探究肿瘤细胞内表型异质性,追踪其发生发展进程。
(Tirosh et al. 2016)
上图为单细胞CNV水平鉴定肿瘤恶性细胞的结果展示,根据CNV水平判别出恶性细胞和非恶性细胞,并分别在不同样本间进行了聚类展示。

cNMF分析
细胞的基因表达模式受多种因素的影响,基因通过协同作用维持细胞类型特有的生物学特征,而相互协同的基因作为基因表达模块(GEP)一起诱导或响应内外部信号,执行复杂的细胞功能。功能基因模块可以出现在多个不同的细胞类型中,而细胞类型基因模块代表一个单一的细胞类型,因此可利用这一事实来区分细胞类型基因模块和功能基因模块。通过cNMF分析,可同时推断出细胞类型相关和功能相关的GEPs,从而改进marker基因的推断,使得细胞类型鉴定更加准确。
(Kotliar et al. 2019)
上图表示脑类神经器官数据集的tSNE图,其中的表征细胞类型GEP的细胞以不同颜色的无框圆表示,对于G1/S或G2/M活性GEP使用率大于10%的细胞用黑框圆圈表示;对于缺氧GEP使用率大于10%的细胞以栗色框圆圈表示。三个GEP与许多不同且不相关的基因模块共同表达,说明它们是发生在不同细胞类型中的功能基因模块。

肿瘤细胞间通讯分析
肿瘤微环境(TME)中肿瘤细胞与其他细胞之间的相互作用在肿瘤的进展、转移和治疗耐药性中起着至关重要的作用 。基于CellPhoneDB (Efremova et al. 2019)的算法识别可靠的受体-配体相互作用。
(Elmentaite et al. 2020)
上方图C中,行表示具有细胞间通讯关系的ligand-receptor对,列表示发生细胞通讯的细胞类型,圆圈大小表示显著性水平,圆圈颜色越红表示相互作用细胞基因的表达值越大。

SCENIC分析
细胞类型一般是由转录因子(TFs)与其相应的靶基因共同协调相互作用来维持。基于单细胞水平的基因表达数据,通过SCENIC(Aibar et al. 2017)分析可以有效识别肿瘤相关的转录因子与潜在靶基因之间的共同表达模块(regulon)。
(Lambrechts et al. 2018)
上图为8074个巨噬细胞中转录模块表达调控的AUC评分热图,其中有5个转录表达模块在肿瘤和非恶性肺源性巨噬细胞之间表达调控估计值差异较大,表明其在非恶性肺源性巨噬细胞和肿瘤之间显著差异表达 。

肿瘤特征富集分析
基于已知基因集间的相对平均表达水平采用基因集变异分析(GSVA)可进一步表征肿瘤内细胞特征。此外,肿瘤发生通常与血管生成、细胞周期、DNA损伤和修复、上皮间质转化(EMT)、缺氧、炎症和侵袭等特征相关,通过肿瘤发生相关的特征基因注释富集数据集,对功能基因模块的基因进行功能富集分析,可获得GEPs相关基因的功能注释信息从而推定GEP的生物功能。
(Yin et al. 2018)
上图E为乳腺癌病人的各个肿瘤细胞群中与EMT和细胞周期相关的基因集的GSVA热图展示,图F显示根据PAM50在患者的每个肿瘤细胞群中进行的分子亚型分类 。

预后生存分析
单细胞转录组技术还可应用于临床实践,基于分析选取感兴趣的marker基因,可借助TCGA数据库挖掘进行临床预后评估分析,并据此优化病理分级制度,方便及时制定或调整治疗方案。
(Ma et al. 2019)
上图的Kaplan-Meier曲线图显示了在TCGA LUAD组患者中HLA-DRA和HLA-DMB上调表达和下调表达的5年总生存率。其中HLA-DRA和HLA-DMB上调表达的五年生存率较高。

写在最后
我们单细胞转录组肿瘤研究的七剑分析初揭秘之旅暂告一段落,愿七剑合璧,为您的科研攻坚助力!
最后小编偷偷告诉你,江湖失传已久的《肿瘤七剑秘籍》就在欧易生物的销售人士手上。
如果你想要在科研修炼之路上更进一步的话,就赶紧和他们取得联系吧

参考文献
1.Aibar, Sara et al. 2017. “SCENIC: Single-Cell Regulatory Network Inference and Clustering.” Nature Methods 14(11): 1083–86.
2.Efremova, Mirjana, Miquel Vento-Tormo, Sarah A. Teichmann, and Roser Vento-Tormo. 2019. “CellPhoneDB v2.0: Inferring Cell-Cell Communication from Combined Expression of Multi-Subunit Receptor-Ligand Complexes.” bioRxiv: 680926.
3.Elmentaite, Rasa et al. 2020. “Single-Cell Sequencing of Developing Human Gut Reveals Transcriptional Links to Childhood Crohn’s Disease.” bioRxiv: 2020.02.06.937110.
4.Kotliar, Dylan et al. “Identifying Gene Expression Programs of Cell-Type Identity and Cellular Activity with Single-Cell RNA-Seq.” eLife 8. 
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6639075/ (December 9, 2019).
5.Lambrechts, Diether et al. 2018. “Phenotype Molding of Stromal Cells in the Lung Tumor Microenvironment.” Nature Medicine 24(8): 1277–89.
6.Ma, Ke-Yue et al. 2019. “Single-Cell RNA Sequencing of Lung Adenocarcinoma Reveals Heterogeneity of Immune Response-Related Genes.” JCI insight 4(4).
7.Peng, Junya et al. 2019. “Single-Cell RNA-Seq Highlights Intra-Tumoral Heterogeneity and Malignant Progression in Pancreatic Ductal Adenocarcinoma.” Cell Research 29(9): 725–38.
8.Tirosh, Itay et al. 2016. “Dissecting the Multicellular Ecosystem of Metastatic Melanoma by Single-Cell RNA-Seq.” Science 352(6282): 189–96.
9.Yin, Jianhua et al. 2018. “Comprehensive Analysis of Immune Evasion in Breast Cancer by Single-Cell RNA-Seq.” bioRxiv: 368605.


END
本文系欧易生物原创
转载请注明本文转自欧易生物

欧易生物

技术热线:021-34781616 咨询热线:4006-4008-26

上海市闵行区新骏环路138号5幢3层
service@oebiotech.com
欧易生物
欧易生物微信公众号
沪ICP备-050455 网站地图  Copyright © 2016 上海欧易生物医学科技有限公司 保留所有权利