(Research)高分辨率单细胞图谱揭示非小细胞肺癌组织驻留中性粒细胞的多样性和可塑性

Tips: 高分辨率单细胞图谱揭示非小细胞肺癌组织驻留中性粒细胞的多样性和可塑性（Cancer Cell），原文链接: https://pubmed.ncbi.nlm.nih.gov/36368318/摘要：本研究通过整合 29 个数据集，合计 556 个样本，318 名患者，总细胞个数超120 万

缩写

NSCLC：非小细胞肺癌 ICI：免疫检查点抑制剂 LUSC: 肺鳞癌 LUAD：肺腺癌 TAN：肿瘤相关中性粒细胞 NAN：正常组织c'o'n'd'a中性粒细胞

背景

NSCLC，主要包括肺腺癌和肺鳞癌。NSCLC 异质性非常强，且组织学亚型相对比较多，因此 ICI 治疗效果并不是很理想（2017 年前后，大概 2 成的客观缓解率）。2017 年，发表在 Nature Communication 上的一篇题为 Neutrophils dominate the immune cell composition in non-small cell lung cancer 的研究表明，NSCLC 中的有强大免疫反应，而首当其冲的居然是中心粒细胞，占所有 CD45+细胞的 20%，并且部分的中心粒细胞对淋巴细胞具有极强的抑制性

cite from article: Neutrophils are the most abundant immune cell type in NSCLC

有意思的是，在单细胞测序相关的研究中，中性粒细胞的比例缺少的可怜。这个原因实际上是因为中性粒细胞的半衰期短太短（7-10 个小时），并且表达的 mRNA 种类太少，数量也不多。主流的测序方法是 10X，10X 测序对mRNA 表达丰度低的细胞捕获率又特别低，从而导致目前的 scRNA-seq 的研究很少聚焦在中性粒细胞上。

2019 年，发表在 Nature Reviews Clinical Oncology 上的一篇题为Tumour-associated neutrophils in patients with cancer 的研究阐述，中性粒细胞在肿瘤中的促进和抑制作用非常复杂。譬如，可以通过高表达 CCL 家族基因招募调节性 T 细胞对免疫反应进行抑制，或者通过高表达 IFNγ刺激 T 细胞产生免疫反应从而抑制肿瘤增殖

总的来说，中性粒细胞在ICI研究中是非常重要的。

不同类型细胞的 Marker

LUSC：KRT5 , KRT6A , KRT17, SOX2 , NTRK2 , TP63 LUAD：CD24、MUC1、KRT7、NAPSA、NKX2-1、MSLN EMT转换：VIM、SERPINE1、CDH1、MIF 神经内分泌特征：CHGA、SYP、NCAM1、TUBA1A

不同方法的中性粒细胞检出率

统计发现，中性粒细胞的占比不到 1.5%，并且主要还是集中在 BD，InDrop 和 Smart-seq，10X 几乎测不到

流式结果发现，在肺癌中，理论上中性粒细胞应该占白细胞的 10~20%左右

H 图感觉没有意义啊

在这里插入图片描述

不同类型的肺癌中性粒细胞数量差异

不难看出，LUSC 中中性粒细胞的比例明显更高，但是其他类型的细胞 LUAD 中更多

肺癌免疫表型

和肝癌那篇一样，作者将微环境分为了 4 种不同的类型：

1. 免疫丢弃型——ID，几乎没有免疫细胞
2. B 型，B 细胞为主
3. M 型，髓系细胞为主，例如巨噬细胞
4. T 型，T 细胞为主

ID 亚型中，雄激素通路相关（与免疫刺激相关）信号和 FOXO4（维持免疫稳定）转移因子被抑制，相反免疫调节相关的白细胞介素基因被上调。

TAN的特征

总体 TAN 表型的特征是OLR1 (LOX-1)、 VEGFA、 CD83、 ICAM1和CXCR4的高表达以及CXCR1、 CXCR2、 PTGS2、 SELL (CD62L)、 CSF3R和FCGR3B (CD16B) 的低表达

总结

首先，我见识短浅 我实在没看出来这篇文章到底为什么值得阅读 我是真的硬着头皮读完了这篇文章，我实在无法学习到什么有用的东西 请恕我愚钝 在我看来，她之所以能发Cancer Cell，是因为她搞了个网址https://luca.icbi.at

Others

Date: Nov. 18, 2022 please contact with me via the following ways: E-mail :yuansh3354@163.com Best Regards, Yuan Sh, MD (ORCID: 0000-0002-6028-0185) Github: https://github.com/yuansh3354Official Account: DeepBioinformatics1Fujian Medical University. No. 1 Xue Yuan Road,University Town, 350122 FuZhou Fujian, China2National Center for Nanoscience and Technology (NCNST). No.11 ZhongGuanCun BeiYiTiao, 100190 Beijing, China