进展性高级别浆液性卵巢癌核心原型表型的演变

生信技能树jimmy

发布于 2023-11-08 13:54:45

1880

发布于 2023-11-08 13:54:45

文章被收录于专栏：单细胞天地单细胞天地

文章概述

文章标题：《Evolution of core archetypal phenotypes in progressive high grade serous ovarian cancer》

发表日期和杂志：2021年发表在Nature Communications上

在线阅读链接：https://doi.org/10.1038%2Fs41467-021-23171-3

实验设计

为了了解在治疗前和通过适应治疗之前驱动异质性的因素的选择，对治疗期间纵向收集的HGSOC肿瘤的单细胞RNA测序(scRNA-seq)转录本进行了分析，分析了来自两个独立患者队列的scRNA-seq数据。

对恶性液体样本进行处理以去除免疫细胞和凋亡细胞，并进行全基因组测序，体外代谢测定和scRNA-seq处理。

HGSOC简介

高级别浆液性卵巢癌（High-Grade Serous Ovarian Cancer，HGSOC）是最常见的卵巢癌类型，也是最致命的妇科癌症之一。它通常在晚期才被发现，因为早期症状往往不明显或被忽视。

HGSOC的特点是快速生长和扩散，以及对化疗的初期反应良好，但往往会发生复发和对治疗产生抗性。大多数HGSOC患者在诊断时已经处于晚期，疾病已经扩散到盆腔以外的其他部位。

HGSOC的治疗通常包括手术和化疗。手术目的是尽可能多地移除肿瘤，化疗则用于杀死残留的癌细胞。尽管这种治疗方法可以延长患者的生存时间，但大多数患者最终还是会复发。

HGSOC的研究正在不断进展，包括寻找新的治疗方法，如免疫疗法和靶向疗法，以及更好的早期检测方法。然而，HGSOC的预后仍然很差，因此需要更多的研究来改善患者的生存率和生活质量。

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=GSE158722

文章给的单细胞RNA测序数据一共是24个数据集，提供了count.txt.gz格式的下载文件，直接下载之后使用fread函数读取

GSE158722_P01.counts.txt.gz 3.1 Mb (ftp)(http) TXT
GSE158722_P02.counts.txt.gz 2.5 Mb (ftp)(http) TXT
GSE158722_P03.counts.txt.gz 3.2 Mb (ftp)(http) TXT
GSE158722_P04.counts.txt.gz 42.0 Mb (ftp)(http) TXT
GSE158722_P05.counts.txt.gz 37.0 Mb (ftp)(http) TXT
GSE158722_P06.counts.txt.gz 12.7 Mb (ftp)(http) TXT
GSE158722_P07.counts.txt.gz 44.0 Mb (ftp)(http) TXT
GSE158722_P08.counts.txt.gz 46.6 Mb (ftp)(http) TXT
GSE158722_P09.counts.txt.gz 28.3 Mb (ftp)(http) TXT
GSE158722_P10.counts.txt.gz 2.7 Mb (ftp)(http) TXT
GSE158722_P11.counts.txt.gz 13.3 Mb (ftp)(http) TXT
GSE158722_P12.counts.txt.gz 14.6 Mb (ftp)(http) TXT
GSE158722_P13.counts.txt.gz 9.6 Mb (ftp)(http) TXT
GSE158722_P14.counts.txt.gz 13.6 Mb (ftp)(http) TXT
GSE158722_P15.counts.txt.gz 11.1 Mb (ftp)(http) TXT
GSE158722_P16.counts.txt.gz 15.4 Mb (ftp)(http) TXT
GSE158722_P17.counts.txt.gz 15.9 Mb (ftp)(http) TXT
GSE158722_P18.counts.txt.gz 9.5 Mb (ftp)(http) TXT
GSE158722_P19.counts.txt.gz 9.3 Mb (ftp)(http) TXT
GSE158722_P20.counts.txt.gz 10.2 Mb (ftp)(http) TXT
GSE158722_P21.counts.txt.gz 21.5 Mb (ftp)(http) TXT
GSE158722_P23.counts.txt.gz 13.9 Mb (ftp)(http) TXT
GSE158722_P24.counts.txt.gz 14.3 Mb (ftp)(http) TXT

数据下载导入，并创建Seurat对象：

###### step1:导入数据 ######    
library(data.table) 

library(data.table)
dir='GSE158722_RAW/' 
samples=list.files( dir ,pattern = 'gz')
samples 
library(data.table)
sceList = lapply(samples,function(pro){ 
  # pro=samples[1] 
  print(pro)
  ct=fread(file.path( dir ,pro),data.table = F)
  ct[1:4,1:4]
  rownames(ct)=ct[,1]
  ct=ct[,-1]
  ct=ct[,-1]
  sce=CreateSeuratObject(counts =  ct ,
                         project =  gsub('.counts.txt.gz','',
                                         strsplit(pro,'_')[[1]][2]),
                         min.cells = 5,
                         min.features = 300,)
  
  return(sce)
})
names(sceList)  


library(stringr)
samples=gsub('.counts.txt.gz','',str_split(samples,'_',simplify = T)[,2])
samples
names(sceList) =  samples

sce.all=merge(x=sceList[[1]],
              y=sceList[ -1 ],add.cell.ids = samples[1:3])

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

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

第一层次降维聚类分群

文章中对数据进行CCA标准化后，使用iCell8（患者1-3）或10X（患者4-9）scRNA-seq平台对整合的高质量细胞进行均匀流形近似和投影（UMAP）和聚类分析

检测到较小但不同的免疫细胞簇，包括单核细胞和巨噬细胞(簇3)、CD4+/CD8+T细胞(簇4)、成纤维细胞(簇5)和自然杀伤(NK)细胞(簇6)。

~27K细胞被鉴定为恶性上皮细胞，分布在多个集群中，反映了种群内的异质性

通过BioinfoArk提供的中国区chatGPT查询到malignant epithelial cells的解释：

恶性上皮细胞是指发生了恶性变化的上皮细胞。上皮细胞是覆盖在身体表面和内脏器官表面的细胞，也构成了许多腺体。当这些细胞发生基因突变并开始无控制地增长和分裂时，就可能形成恶性肿瘤，也就是癌症。
恶性上皮细胞是许多类型癌症的来源，包括肺癌、乳腺癌、前列腺癌、结肠癌、卵巢癌等。这些癌症通常被称为癌症或上皮性肿瘤。
恶性上皮细胞的特点包括形态异常、增长速度快、侵袭性强和易于转移。这些细胞可以通过血液或淋巴系统扩散到身体的其他部位，形成转移瘤。