文章标题:《Comparative single-cell RNA sequencing (scRNA-seq) reveals liver metastasis-specific targets in a patient with small intestinal neuroendocrine cancer》
发表日期和杂志:2020年发表在Molecular Case Studies上
在线阅读链接:https://doi.org/10.1101/mcs.a004978
利用10x基因组学平台分别从原发肿瘤和肝转移瘤中制备单细胞RNA文库,测试了原发性小肠神经内分泌肿瘤与匹配的肝转移瘤的比较单细胞RNA测序(scRNA-seq)是否可以指导患者转移性疾病的治疗
数据链接是:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE140312
可以看到一共是2个样品进行分析:
GSM4159164 primary neuroendocrine tumor
GSM4159165 metastatic neuroendocrine tumor
作者给出来的数据是filtered_feature_bc_matrix.tar.gz的数据格式,直接下载需要的数据使用,然后解压之后就会得到标准的10X单细胞数据格式导入进行分析即可:
#数据信息
GSM4159164_PriNET_filtered_feature_bc_matrix.tar.gz 6.7 Mb
GSM4159165_livMET_filtered_feature_bc_matrix.tar.gz 10.6 Mb
###### step1:导入数据 ######
library(data.table)
dir='GSE140312_RAW/outputs/'
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,'filtered_feature_bc_matrix')),
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。
文章中综合数据的聚类分析显示,原发和转移肿瘤中都存在七种主要细胞类型:免疫细胞、内皮细胞、成纤维细胞和四种神经内分泌肿瘤细胞亚型
通过BioinfoArk提供的中国区chatGPT查询到各个细分亚群的解释:
以下是对所提到的细胞亚群的简介:
根据基因表达分析,通过对差异表达基因进行基因本体(Gene Ontology,GO)富集分析,将神经内分泌肿瘤的四个亚型命名为分泌型(secretory)、突触型(synaptic)、前突触型(presynaptic)和受压或应激反应型(stressed or stress response)
文章分析发现大多数促肿瘤基因编码的分泌蛋白在原发肿瘤中表达水平较高,但在转移性肿瘤中表达水平较低。这与这些促肿瘤基因在原发肿瘤中随时间发展的微环境变化一致
这些变化包括肿瘤细胞和巨噬细胞增加产生VEGFA、成纤维细胞增加产生VEGFB、肿瘤细胞增加产生PDGFA,以及相应的成纤维细胞中PDGFRA水平较高。尽管原发肿瘤产生更多的VEGF,但转移性血管组织的细胞组分似乎更适合扩张。
研究表明通过比较原发肿瘤和转移瘤的单细胞RNA测序,可以揭示转移瘤的特征和差异,从而为转移性疾病的治疗提供指导。这种个体化的方法可以帮助我们更好地了解转移瘤的生物学特征,并为选择合适的治疗策略提供依据。