看到了一个 2022, Cell Reports Medicine 的文章,映入眼帘的标题是:《Single-cell proteomics defines the cellular heterogeneity of localized prostate cancer》,我以为可以读一下,因为是还不熟悉的单细胞蛋白质组学。但是通读全文,发现主要是cytof技术产生的数据。
病人队列是:tumor samples from 58 prostate cancer patients:
上面的病人虽然分成3组,但是可以合并成为高低风险组,另外病人可以去癌症样品和癌旁,所以取样的时候也算是有分组:
cytof技术最重要的就是抗体,这个研究是自己设计的 36-antibody prostate cancer-centric panel, before mass cytometry acquisition.
也算是超百万的细胞数量了:Data for a total of 1,670,117 live cells were generated.
可以看到主要是涵盖肿瘤免疫微环境,参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则,这3大单细胞亚群构成了肿瘤免疫微环境的复杂:
绝大部分文章都是抓住免疫细胞亚群进行细分,包括淋巴系(T,B,NK细胞)和髓系(单核,树突,巨噬,粒细胞)的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的fibo 和endo进行细分,并且编造生物学故事的。
下面的cytof的抗体列表基本上涵盖了肿瘤免疫微环境的绝大部分单细胞亚群:
cytof的抗体
cytof也算是单细胞数据啦, 只不过是它并没有像传统测序技术那样针对全部的几万个基因,仅仅是针对几十个有明确生物学意义的抗体,但是也有超百万的细胞数量了,比如本文就是 :Data for a total of 1,670,117 live cells were generated.
如果你是第一次接触cytof数据,可以看我在《生信技能树》发布了cytof这样的质谱流式数据处理系列文字版教程,就是基于 FlowSOM 哦 :
可以看到本文的降维聚类分群和生物学命名,还是非常的清晰的:
降维聚类分群和生物学命名
因为cytof基本上就只能是得到单细胞亚群及其样品占比,所以本文后续全文就是讨论各种情况下不同免疫单细胞亚群的比例变化的生物学意义了。
比如下面的两个分组方式的细胞比例的比较:
细胞比例的比较
可以看到,从比较粗狂的单细胞亚群角度来看,只有luminal和T细胞在高低风险组是有比例差异,所以可以继续细分。文章最后的落脚点就是3个单细胞亚群的比例特异性 :
a rare proliferating macrophage and T cell subpopulations as well as a rare CD15+ cell type that is enriched in tumor and advanced disease,
本文使用的是 Helios CyTOF 2 mass cytometer 平台,文章指出来了数据公布在Mendeley平台