张泽民新作｜人类结直肠癌的单细胞分析揭示了具有不同免疫逃避机制的患者分层

[ixxmu]

https://mp.weixin.qq.com/s/xx1-5W2n2PRkhgHum_gVTA

[ixxmu]

张泽民新作｜人类结直肠癌的单细胞分析揭示了具有不同免疫逃避机制的患者分层 by 作图丫

最近有小伙伴反映收不到推送，因为公众号改了推送算法，现在需要加星标，多点赞、点在看，才能准时收到推送哦。

导语：肿瘤微环境（TME）在很大程度上影响结直肠癌（CRC）的进展、治疗反应和临床结果，但缺乏对结直肠癌中 TME 个体间异质性的研究。在这里，通过整合来自大约200名捐赠者的人类结直肠单细胞转录组数据，我们与非癌组织相比，全面表征了 TME 中的转录重塑，并鉴定了具有 T 细胞招募潜力的罕见肿瘤特异性内皮细胞子集。大样本量使我们能够根据 TME 异质性对患者进行分层，揭示不同的 TME 亚型，其中癌细胞利用不同的免疫逃避机制。此外，通过将单细胞转录谱与全基因组关联研究确定的风险基因相关联，我们确定基质细胞是结直肠癌遗传易感性的主要效应细胞类型。总之，我们的结果为 CRC 发病机制提供了有价值的见解，并可能有助于个性化免疫疗法的开发。

作图丫不仅文章解读的好，课题做得也出色，已与国内多家知名医院的老师和名牌大学实验室达成合作。欢迎有生信分析需求的老师垂询，公共数据库数据挖掘或自测数据分析均可。

欢迎长期合作

联系请扫描下方二维码

背景介绍

今天小编为大家带来的这篇文章，作者基于人类结直肠癌的单细胞分析揭示了具有不同免疫逃避机制的患者分层。文章发表在《nature cancer》上，文章题目为：Integrative single-cell analysis of human colorectal cancer reveals patient stratification with distinct immune evasion mechanisms。

结果解析

01  人类结直肠单细胞图谱

为了建立生理和病理条件下人类结直肠的综合单细胞图谱，我们收集了已发表的健康结直肠组织、溃疡性结肠炎 (UC) 患者的未发炎和发炎组织14的单细胞 RNA 测序数据。该图谱包含来自192名捐赠者的427个样本中的1,144,726个细胞。经过质量控制，我们将873,302个细胞根据其独特性分为58个亚群，其中包括15个T细胞/自然杀伤（NK）细胞/先天性淋巴细胞（ILC）亚群、12个骨髓细胞亚群、12个内皮细胞（EC）亚群和其他亚群。基因表达模式。然后，我们筛选出表达 <800 个基因的细胞，并构建了包含671,192个单细胞的高质量结直肠图谱。该图谱包括来自124名捐献者的肿瘤组织、来自78名捐献者的癌旁组织、来自 9 名捐献者的息肉、来自23名捐献者的发炎组织、来自11名捐献者的未发炎组织和来自 36 名捐献者的健康组织的数据（图1a-c ）。为了解决批次效应的问题，我们观察到细胞是根据细胞类型和病理状态而不是数据集进行聚类的。我们还根据细胞亚型比例对样本进行了主成分（PC）分析（PCA）和距离分析。结果显示，样本之间的差异主要是由病理状态引起的（图1d、e）。我们进一步收集了 31 名 CRC 21新患者的单细胞数据，并注释了亚簇（方法），这些新患者被用作验证队列。

       接下来，我们旨在描述不同组织之间主要细胞类型偏好的特征。我们观察到不同病理条件下细胞类型比例存在显着差异。例如，浆细胞在肿瘤组织中表现出最低丰度，而在健康组织中比例最高（图1f），这主要是由于肿瘤中免疫球蛋白A（IgA） +浆细胞的损失所致。相比之下，IgG +浆细胞在肿瘤和炎症组织中表现出较高的比例（图1g ），与之前的报道一致，表明它们在肿瘤免疫和炎症中发挥重要作用。基于两名患者的空间转录组数据，肿瘤和癌旁区域中IgG和IgA基因的表达模式也支持了这一发现。此外，在非生理性增殖区域（息肉和肿瘤）而不是发炎组织中观察到单核细胞和巨噬细胞的显着富集，表明单核细胞和巨噬细胞的积累不太可能是由局部炎症驱动的（图1f）。重要的是，我们观察到CD4 + T细胞和CD8 + T细胞的不同分布模式。CD4 + T细胞在炎症、息肉和肿瘤组织中表现出相当高的比例。相比之下，CD8 + T细胞在肿瘤组织中的比例高于炎症组织，这与CD8 + T细胞在抗肿瘤免疫中的关键作用相符。在验证队列中也观察到了这种分布模式。为了加强我们研究结果的稳健性，我们通过随机排除一两个数据集来进行细胞丰度分析的敏感性分析。值得注意的是，我们能够重现所有观察到的模式。

      然后，我们通过使用 Bhattacharyya 距离测量主要细胞类型的转录相似性来评估不同条件下主要细胞类型的转录变化。当将肿瘤与癌旁组织和炎症组织进行比较时，我们发现成纤维细胞和内皮细胞存在巨大差异（图2a ），这表明基质细胞在肿瘤发育过程中获得了特定的细胞功能。当将肿瘤与息肉进行比较时，单核细胞和巨噬细胞显示出最大的差异，其特征在于增强的迁移、吞噬作用、对IFNγ的反应以及肿瘤中肿瘤坏死因子（TNF）的产生。我们通过将 EC 和成纤维细胞与 UC 患者发炎组织中的转录改变进行比较，进一步研究了 EC 和成纤维细胞中的肿瘤特异性转录改变。我们发现肿瘤中下调的基因在细胞因子介导的信号传导和补体激活相关途径中表现出显着富集，表明肿瘤中基质细胞的免疫功能障碍（图2b，c ）。肿瘤中与EC迁移、细胞外基质组织、对转化生长因子-β（TGFβ）的反应和Wnt信号通路相关的基因的表达水平显着升高（图2d，e ）。先前的研究已经阐明了 TGFβ 的免疫抑制作用，并且据报道 TGFβ 和 Wnt 信号传导的激活与肿瘤进展相关。因此，与慢性炎症中的基质细胞相比，肿瘤中的基质细胞被塑造成免疫抑制和促肿瘤表型，以促进肿瘤发生和结直肠癌的发展。

02  具有不同免疫表型的患者分层

为了研究TME的个体间异质性，我们根据 TME 中细胞亚群的丰度对患者进行分层聚类，并将CRC患者分为六组（图a）。我们观察到来自不同数据集的患者在六组中分布不平衡，为了解决对批次效应的担忧，我们首先根据患者的细胞亚型偏好对患者进行 PCA。我们观察到患者根据六个分组标签进行聚类，并且部分与微卫星不稳定（MSI）状态相关，这是影响 TME 的众所周知的因素。值得注意的是，大型数据集（例如 Pelka 数据集）内的变异大于数据集之间的变异（例如 Pelka 和GSE188711数据集之间），这表明个体间的变异远远超过了数据集引入的变异。接下来，我们应用多变量方差分析 (ANOVA) 测试来评估 TME 组、数据集和 MSI 状态对 PC1 和 PC2 的贡献。结果显示，我们的 TME 组对 PC1 和 PC2 的贡献最强。因此，我们认为批次效应并不是导致患者水平变异的主要因素。为了评估患者分组的稳健性，我们从 Pelka 数据集（我们研究中最大的数据集）中提取并重新调整了患者内的相对比例。在这个单一的大型数据集中，相同的患者分层仍然存在。表明我们观察到的分组是由个体差异驱动的。

接下来我们评估了我们的分类与CMS分类系统之间的关系。我们发现G1期患者很大程度上与CMS4相匹配，其特点是基质细胞富集（图b）以及上皮间质转化（EMT）和TGFβ信号通路的高度激活（图c）。CMS4 还与最短的总生存期相关，并且我们观察到成纤维细胞和 EC 的顶级标记基因与 CRC 患者的较差生存期相关（图4d）。同时，G5和G6以及一小部分G2表现出较高的CMS1分数，与报道的CMS1免疫激活表型一致（图4b）。然而，这些组以不同的细胞子集丰度为主，表示不同的免疫表型，这表明我们基于TME的分类揭示了CMS系统的进一步子集。我们还尝试将我们的六组与基于上皮肿瘤细胞状态的内在CMS (iCMS) 分类系统相匹配。第2组和第5组与iCMS3大致匹配，与iCMS3的高炎症反应一致，并且G3、G4和G6的患者具有较高的iCMS2评分，但异质性较大。

小编总结

我们建立了结直肠组织的高质量细胞图谱，并与局部炎症相比，表征了肿瘤中的转录重塑。值得注意的是，我们发现了一种与 T 细胞募集相关的罕见 HEV 样内皮亚群 (HEV-CXCL10)。然而，受限于10x Genomics技术的采样偏差，我们无法收集和注释中性粒细胞。这需要在今后的研究中特别注意。该图集可通过http://118.190.148.166:8918/访问，以便进行更深入的功能研究。

往期推荐

分析专辑

单细胞scRNA | R包绘图 | 免疫浸润分析 | 肿瘤纯度评估工具 | 数据库

文章解读专辑

多区域进化文章精读 | 高分文章精读 | 免疫微环境文献解读

招聘信息

招聘

点击红字即可进入专栏！

码字不易，欢迎读者分享或转发到朋友圈，任何公众号或其他媒体未经许可不得私自转载或抄袭。

由于微信平台算法改版，公众号内容将不再以时间排序展示，建议设置“作图丫”公众号为星标，防止丢失。星标具体步骤为：

（1）点击页面最上方“作图丫”，进入公众号主页；

（2）点击右上角的小点点，在弹出界面选择“设为星标”即可。

点个在看你最好看