晚期胆道癌微环境中不同免疫群体的单细胞图谱

生信技能树jimmy

发布于 2023-12-26 15:37:39

2190

发布于 2023-12-26 15:37:39

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：《Single-cell atlas of diverse immune populations in the advanced biliary tract cancer microenvironment》

发表日期和杂志：2022年发表在NPJ Precision Oncology 上

在线阅读链接：https://doi.org/10.1038%2Fs41698-022-00300-9

实验设计与疾病简介

为了全面表征晚期胆道癌（BTC）中的免疫微环境，对从五个手术切除的BTC肿瘤及其匹配的外周血样本、淋巴结或肝转移（如果有）中分离的未选择的活细胞进行了基于液滴的10X基因组单细胞RNA测序（scRNA-seq）

胆道癌（BTC）

胆道癌（BTC）是一种罕见但具有高度侵袭性的癌症，起源于胆道系统，包括胆囊、胆管和肝内外胆管。BTC通常被分为胆囊癌和胆管癌两种类型。胆道癌的发病率在全球范围内有所增加，尤其在亚洲地区更为常见。BTC的早期症状不明显，因此往往在晚期才被发现，此时已经扩散到周围组织或其他器官，使治疗变得困难。

单细胞转录组数据情况

对5例BTC患者手术肿瘤标本、配对转移组织和外周血样本中未选择的活细胞进行了基于液滴的scRNA-seq (10X Genomics)检测。选择2例iCCA, 2例GBC和1例远端胆管癌(dCCA)患者在肿瘤切除术前进行naïve治疗。

数据链接是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE201425

提供了10X标准格式的三个文件，直接下载后按照数据集整理对应的文件，使用read10X()函数读取即可，但是需要对数据进行一些整理。

下载需要的数据，然后按照样品名进行对应的整理

fs=list.files('./','features.tsv.gz')
fs
samples1=gsub('.features.tsv.gz','',fs)
samples1

library(stringr)
samples2=str_split(samples1,'_',simplify = T)[,2]
samples2 =samples1
length(unique(samples2))
samples2

#samples2 = samples1

lapply(1:length(samples2), function(i){
  x=samples2[i]
  y=samples1[i]
  dir.create(x,recursive = T)
  file.copy(from=paste0(y,'_features.tsv.gz'),
            to=file.path(x,  'features.tsv.gz' )) 
  file.copy(from=paste0(y,'_matrix.mtx.gz'),
            to= file.path(x, 'matrix.mtx.gz' ) ) 
  file.copy(from=paste0(y,'_barcodes.tsv.gz'),
            to= file.path(x, 'barcodes.tsv.gz' )) 
  
})

读取数据，再创建seurat结构进行后续的分析。

###### step1:导入数据 ######  
samples=list.files("GSE201425_RAW/outputs")
samples
dir <- file.path('GSE201425_RAW/outputs',samples)
names(dir) <- samples
#创建Seurat对象
counts <- Read10X(data.dir = dir)
scRNA = CreateSeuratObject(counts,
                           min.cells = 5,
                           min.features = 300 )

dim(scRNA)   #查看基因数和细胞总数
table(scRNA@meta.data$orig.ident)  #查看每个样本的细胞数
head(scRNA@meta.data)

sce.all <- scRNA
as.data.frame(sce.all@assays$RNA$counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all$orig.ident) 
# 分组信息，通常是隐含在文件名，样品名字里面

sce.all$group=  gsub( '^[0-9]*_' ,'',sce.all$orig.ident) 
table(sce.all@meta.data$group)
table(sce.all@meta.data$orig.ident)

seurat包已经更新到V5版本了，在数据读取方面需要稍微做一些调整，具体方法可见推文：

使用Seurat的v5来读取多个10x的单细胞转录组矩阵

使用Seurat的v5来读取多个不是10x标准文件的单细胞项目

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