多发性骨髓瘤单细胞数据挖掘

文章信息

文章题目：Single cell RNA‑seq data and bulk gene profiles reveal a novel signature of disease progression in multiple myeloma 期刊：Cancer Cell International （5.8） 日期：2021.9.25 DOI：https://doi.org/10.1186/s12935-021-02190-6

概述

文章通过重新分析MM(多发性骨髓瘤)单细胞数据集，将这些MM浆细胞分为7个cluster，并结合轨迹分析分为三个阶段(early, middle, late stage)。然后通过分析late stage的marker基因，结合其它MM Bulk RNAseq数据建立预后模型，最后做了QRT-PCR实验验证建模基因的表达情况。

文章思路

多发性骨髓瘤是由B细胞瘤引起的一种癌症，导致恶性浆细胞（表达CD138 （Syndecan-1）并参与免疫应答过程中抗体产生的细胞）产生失调和克隆、扩增 。该疾病的特征之一是骨髓中存在数量过多的异常浆细胞。

分析结果

scRNAseq数据集降维聚类分群

• GSE118900 ：597个细胞，23398个基因
• 使用Seurat包(V3.0.2) 执行标准的降维聚类分群，分成7个cluster

monocle轨迹分析

• 使用Monocle2包对上述的scRNAseq进行伪时间分析，可分为7个mimor State，3 major State(Early，Middle，Late)

• 对Early/Middle 与 Late Stage之间进行差异分析，对部分有意义的marker基因进行可视化

• Late Stage的marker基因富集分析

根据Late Stage的marker建立预后模型

（1）建立模型

• 基于GSE24080数据
• 对463个Late Stage的marker gene进行单变量Cox回归得到90个生存显著的，然后进行Lasso回归进一步筛选得到20个基因
• 建立20 gene的预后模型，生存分析与AUC曲线分析模型效果。其中高低risk分组的cut-off应该根据最佳AUC结果而定

The risk score of each sample in the training set and the optimal cut-off point of risk score (− 0.34) as determined by ROC analysis were calculated and was defined as the threshold.

（2）验证模型

• GSE9782数据集验证上面训练得到的模型 使用同样的阈值划分高低risk病人

• qRT-PCR验证建模基因在20 MM病人的表达水平，其中15个病人伴随t(4;14)；5个病人无t(4,14)

（3） 模型衍生分析GSEA

• GSE24080高低risk分组差异分析的(The hallmark gene sets)GSEA富集分析