比如,有一个研究团队(BGI-Shenzhen)做的是乳腺癌领域的三阴性乳腺癌的单细胞免疫微环境研究:
首先是2018摘要:https://cancerres.aacrjournals.org/content/78/13_Supplement/1763A 上面公布了研究者测了8个TNBC病人的七千多个单细胞,如下:
we performed deep single cell RNA sequencing to 7,066 immune cells collected from 8 TNBC patients using the MIRALCS platform. We identified 13 immune cell subsets according to their transcriptome features. We found that the frequency of identified T cells and macrophages varied greatly across patients.
结论居然仅仅是不同免疫细胞亚群在不同病人的比例差异很大!所以只能是一个摘要。
然后研究团队把之前的8个TNBC病人队列扩大到了14个病人,细胞数量也由之前的七千多到接近一万个。但仍然是丢在2019年5月的预印本:https://www.biorxiv.org/content/10.1101/566968v1
Here we report single-cell RNA sequencing results of 9683 tumor-infiltrated immune cells isolated from 14 treatment naïve TNBC tumors, where 22 immune cell subsets
这次的免疫细胞亚群更多了,如下:
可以看到肿瘤病人的免疫细胞其实是没有病人特异性的,不同病人的免疫细胞会很好的混在一起,但是会 依照免疫细胞的亚群来区分,仅仅是T细胞就有9个亚群,每个亚群特有的高表达量基因是:
而且有一个评价很有意思。感兴趣的可以直接去https://www.biorxiv.org/content/10.1101/566968v1围观哈。
仍然是停留在细胞分群以及亚群注释阶段,其实就是我们一直讲解的R包及基础流程,分别是: scater,monocle,Seurat,scran,M3Drop 需要熟练掌握它们的对象,:一些单细胞转录组R包的对象 流程也大同小异:
其中一个步骤是判断重要的基因,我分享过:比较5种scRNA鉴定HVGs方法 里面就提到了 。
BGI-Shenzhen团队之前也有一个牵头的乳腺癌的10X单细胞转录组测序项目,题目是:Comprehensive analysis of immune evasion in breast cancer by single-cell RNA-seq
关注的是乳腺癌病人的肿瘤微环境
的细胞类型,尤其是免疫细胞如何作用于癌症细胞。链接是:. doi: http://dx.doi.org/10.1101/368605 bioRxiv preprint first posted online Jul. 13, 2018; 研究纳入了 15个病人,总共五万多单细胞,是商业的10x技术。
为什么我会搜索到这两个预印本的单细胞转录组研究呢,其实是因为我恰好看到了MIRALCS系统,在这个系统上可以完成细胞的分离及扩增,从而减少了操作误差,实验的可靠性更高和平行性更好
此方法学的文章: Wu et al. Full-length single-cell RNA-seq applied to a viral human cancer: applications to HPV expression and splicing analysis in HeLa S3 cells. GigaScience (2015) 4:51.
当然了,大家熟知的4种单细胞分离的技术,其实是: