呐,等你关注都等出蜘蛛网了~
当你的才华还撑不起你的野心时,请潜下心来,脚踏实地,跟着我们慢慢进步。不知不觉在单细胞转录组领域做知识分析也快两年了,通过文献速递这个栏目很幸运聚集了一些小伙伴携手共进,一起成长。
文献速递栏目通过简短介绍,扩充知识面,每天关注,希望你也能有所收获!
文章信息
今天分享的这篇文章2020年1月发表在期刊Cell Immunity上,题为:Immune Landscape of Viral- and Carcinogen-Driven Head and Neck Cancer 。
Abstract
本文研究了HPV+/HPV- (Human Papillomavirus) 的Head and Neck Squamas Cancer (HNSCC) 患者的肿瘤免疫微环境,发现这两类患者中CD4+和B细胞更加多样而CD8+和Treg更相似。作者同时定义了一个与CD4+ T follicular helper cells相关的signature,对HNSCC的预后有预测作用。
Background
HNSCC的易感因素之一是HPV感染,然而HPV+的HNSCC病人比HPV-者预后更好,其机理不明。免疫疗法为HNSCC的一个新疗法,但只有20-30%患者在PD-1/PD-L1的临床试验中获益,且原因不明。因此,有必要研究HNSCC的免疫微环境,从而为免疫治疗提供可能靶点。
Results
1
1.总体设计
1
2.按细胞类型分别解析lineage,并作HPV-/+的比较
2.1 CD8+ T
2.2 CD4+ Tconv & CD4+ Treg
2.3 B cells
2.4 Myeloid cells
1
3. Crosstalks
3.1 interactions deduced from gene expression
3.2 interactions deduced from physical proximity from IF
又可名为,计算机视觉在病理切片的应用(的大作业)
Comments
一篇本地(隔壁lab)的paper,很多作者都比较熟(也希望我们lab能有一作的CNS!),Tony因这项研究在过去一年里经常在Pitt演讲或poster——当然他也真的很帅!
总结一下,有一个很好的临床问题,实验设计和分析都非常规矩完备,cost高昂,分析方法fancy(Dragon clustering和Cell Talker都是Tony自己写的R包;前者用了热力学的数学背景、有类似K-means的过程,真心好奇他是怎么想到这个的);分析了许多HPV+/- immune landscape的相似与不同,最主要的发现是,HPV+中富集更多TFH;而在B cell富集sample slides中,有更多TFH与B cells之间的interactions,即,更functional的tertial lymphoid structure (TLS);而从中derive的TFH signature也示更好的prognosis。然而,本质上并没有很清晰地揭示HPV+ HNSCC有更好prognosis的机制(HPV+ 有更多germinal B cells & TFH,从而可能有更多TLS是可能的原因),也没有在interaction analysis中提出具体的promising的新immune therapy的靶点(可能是因为阳性结果太多),而suggest TFH作为一个favorable biomarker.