单细胞水平分析红斑狼疮异质性

生信技能树jimmy

发布于 2023-10-06 09:45:03

2960

发布于 2023-10-06 09:45:03

文章被收录于专栏：单细胞天地

文章概述

文章标题：《Mapping systemic lupus erythematosus heterogeneity at the single-cell level》

发表日期和杂志：2020年发表在Nature Immunology上

在线阅读链接：https://doi.org/10.1038/s41590-020-0743-0

单细胞实验设计

对33名儿童SLE患者（cSLE）和11名对照组进行了约276,000个外周血单个核细胞（PBMCs）的单细胞RNA测序，对系统性红斑狼疮（SLE）患者的血液转录组进行了分析，并揭示了其细胞来源的复杂性

单细胞转录组数据情况

数据链接是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE135779

可以看到一共是56个样品，文章选择了33名儿童SLE患者（cSLE）和11名对照组组织样品进行分析：

GSM4029896 cSLE1 [JB17001]
GSM4029897 cSLE2 [JB17002]
GSM4029898 cSLE3 [JB17003]
GSM4029899 cSLE4 [JB17004]
GSM4029900 cSLE5 [JB17005]
GSM4029901 cSLE6 [JB17006]
GSM4029902 cSLE7 [JB17007]
GSM4029903 cSLE8 [JB17008]
GSM4029904 cSLE10 [JB17015]
GSM4029905 cSLE11 [JB17016]
GSM4029906 cSLE9 [JB17014]
GSM4029907 cHD1 [JB17010]
GSM4029908 cSLE12 [JB17019]
GSM4029909 cSLE13 [JB17020]
GSM4029910 cSLE14 [JB17021]
GSM4029911 cSLE15 [JB17022]
GSM4029912 cSLE16 [JB17023]
GSM4029913 cSLE17 [JB17024]
GSM4029914 cHD2 [JB17017]
GSM4029915 cHD3 [JB17018]
GSM4029916 cSLE18 [JB18063]
GSM4029917 cSLE19 [JB18064]
GSM4029918 cSLE20 [JB18065]
GSM4029919 cSLE21 [JB18066]
GSM4029920 cSLE22 [JB18067]
GSM4029921 cSLE23 [JB18068]
GSM4029922 cHD4 [JB18069]
GSM4029923 cHD5 [JB18070]
GSM4029924 cSLE24 [JB18071]
GSM4029925 cSLE25 [JB18072]
GSM4029926 cSLE26 [JB18073]
GSM4029927 cSLE27 [JB18074]
GSM4029928 cSLE28 [JB18075]
GSM4029929 cSLE29 [JB18076]
GSM4029930 cHD6 [JB18077]
GSM4029931 cHD7 [JB18078]
GSM4029932 cSLE30 [JB18079]
GSM4029933 cSLE31 [JB18080]
GSM4029934 cSLE32 [JB18081]
GSM4029935 cSLE33 [JB18082]
GSM4029936 cHD10 [JB18085]
GSM4029937 cHD11 [JB18086]
GSM4029938 cHD8 [JB18083]
GSM4029939 cHD9 [JB18084]

作者给出来的数据是标准的10X单细胞的数据格式，直接下载需要的数据使用，比较有意思的是，genes文件单独放在了一处：

###### step1:导入数据 ######    
library(data.table)
dir='../GSE135779_RAW/children/' 
samples=list.files( dir )
samples 

library(data.table)
sceList = lapply(samples,function(pro){ 
  # pro=samples[1] 
  print(pro) 
  sce=CreateSeuratObject( Read10X(file.path(dir,pro)), 
                          project = pro,
                         min.cells = 5,
                         min.features = 300 ) 
  return(sce)
})
names(sceList)  
 
samples
sce.all=merge(x=sceList[[1]],
              y=sceList[ -1 ],
              add.cell.ids = samples)

as.data.frame(sce.all@assays$RNA@counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all$orig.ident)

后面就是标准分析啦,对读取进来的数据进行质控、harmony整合以及细分亚群等。

第一层次降维聚类分群

文章中展示了258,868个pbmc的20个集群的UMAP降维聚类分析图

文章中给出来的分群主要是：

dendritic cells (DCs)
megakaryocytes (Mgk)
erythroid cells (Eryth)
natural killer (NK) cells
plasma blasts/cells
(PBs/PCs) and plasmacytoid DCs (pDCs)
two clusters of B cells
monocytes (CD14+ and CD16+)
five CD4+ T cell clusters
five CD8+ T cell clusters

通过BioinfoArk提供的中国区chatGPT查询到各个细分亚群的解释：

树突状细胞（Dendritic cells, DCs）：这是一种专门的白细胞，主要功能是处理抗原材料并呈现给T细胞，是免疫系统的重要组成部分。
巨核细胞（Megakaryocytes, Mgk）：这是一种大型的骨髓细胞，主要负责生产血小板，参与血液凝固。
红细胞（Erythroid cells, Eryth）：这是血液中的主要细胞类型，负责携带氧气到身体的各个部位。
自然杀伤细胞（Natural killer cells, NK cells）：这是一种重要的免疫细胞，能够识别并杀死病毒感染的细胞和癌细胞。
浆细胞爆发/细胞（Plasma blasts/cells, PBs/PCs）：这是一种B细胞，能够大量产生抗体以对抗病毒和细菌。
浆细胞样树突状细胞（Plasmacytoid DCs, pDCs）：这是一种特殊的树突状细胞，能够在病毒感染时产生大量的干扰素。
两个B细胞群集：B细胞是免疫系统的重要组成部分，主要负责产生抗体。这里的两个群集可能代表了不同的B细胞亚型。
单核细胞（Monocytes, CD14+ and CD16+）：这是一种白细胞，可以进入组织变成巨噬细胞，吞噬病毒和细菌。
五个CD4+ T细胞群集：CD4+ T细胞是免疫系统的重要组成部分，主要负责协调免疫反应。这里的五个群集可能代表了不同的CD4+ T细胞亚型。
五个CD8+ T细胞群集：CD8+ T细胞是免疫系统的重要组成部分，主要负责杀死病毒感染的细胞和癌细胞。这里的五个群集可能代表了不同的CD8+ T细胞亚型。

通过分析发现许多聚类在cHD组和cSLE组的个体中表现不同

其它加分项

基于ISG和IRG表达的无偏聚类9组(G1 ~ G9)的生成

并且基于sc的儿童和成人队列临床分层

研究表明与健康对照组相比，cSLE患者的细胞中表达增加的干扰素刺激基因（ISGs）能够区分两组。高ISG表达特征（ISGhi）来自于主要细胞类型中少数经转录学定义的亚群，包括单核细胞、CD4+和CD8+ T细胞、自然杀伤细胞、传统树突状细胞（cDCs）、浆细胞样树突状细胞（pDCs）、B细胞，尤其是浆细胞。富含ISGs和/或单基因红斑狼疮相关基因的独特亚群的扩增与疾病活动度最高的患者相关。

对来自成年SLE患者的约82,000个外周血单个核细胞（PBMCs）的分析证实了在疾病活动度最高的患者中存在类似的亚群扩增。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2023-10-04 21:53，如有侵权请联系 cloudcommunity@tencent.com 删除

cell