类器官还得继续卷单细胞（上尿路尿路上皮癌）

虽然早在2009年，荷兰Hubrecht研究所的Hans Clevers博士就证实 肠干细胞 能够形成类器官，开启了 类器官研究的时代。但是早期类器官并没有在肿瘤领域大放异彩，算起来单细胞也是2009年汤富酬博士开启的，但是也是在发育生物学领域“小步慢跑”。

我常见系统性梳理过 2014到2018期间的癌症领域的单细胞研究，可以说是少得可怜，都是broad研究所的基于smart-seq的，在脑瘤，黑色素瘤，头颈癌有CNS文章发表。同样的是这个时间段， 类器官也是在每个癌症领域都有了CNS文章，比如 ：

• 2018的cell杂志：《Generation of Tumor-Reactive T Cells by Co-culture of Peripheral Blood Lymphocytes and Tumor Organoids》
• 2018的cell杂志：《A Living Biobank of Breast Cancer Organoids Captures Disease Heterogeneity》
• 2018的Cancer Discovery杂志：《Organoid profiling identifies common responders to chemotherapy in pancreatic cancer》
• 2018的cell杂志：《Tumor Evolution and Drug Response in Patient-Derived Organoid Models of Bladder Cancer》
• 2018的Cell Stem Cell：《A Comprehensive Human Gastric Cancer Organoid Biobank Captures Tumor Subtype Heterogeneity and Enables Therapeutic Screening》

有意思的是2019年开始，标准化的10x的单细胞转录组商品化大大获成功让单细胞转录组走入了几乎每个课题组，而类器官缺受限于实验细节繁琐一直“不温不火”，早期的在每个癌症领域的类器官CNS文章都是做几十个或者上百个病人的类器官培养后，做常规的转录组和肿瘤外显子数据，来说明类器官能非常好的维持其来源的原位肿瘤，这样就说明了类器官可以成为肿瘤病人的精准医疗替身！

比如：2021年12月17日，北京大学第一医院泌尿外科联合深圳市第二人民医院在Advanced Science期刊 (IF=16.8) 在线发表了标题为《Patient-derived Upper Tract Urothelial Carcinoma Organoids as a Platform for Drug Screening》的研究成果，就是说明自己的 organoids recapitulate the genetic alterations in the parental tumors. 如果是外显子测序，那就是从肿瘤外显子的SNV和CNV两个分析结果的角度来说明。详见：类器官外显子测序数据标准分析

但是早期的在每个癌症领域的类器官CNS文章已经是非常一致的展现了类器官培养的成功率，常规的转录组和肿瘤外显子层面的异质性，药物反应情况，以至于后面的研究没办法做下去了。恰好单细胞时代到了，可以让2019之后的类器官研究继续“复制粘贴一波”，比如还是上面的在Advanced Science期刊类器官，已经有了5个主图：

• Figure 1. Establishment of patient-derived UTUC organoids.
• Figure 2. Patient-derived UTUC organoids preserve histopathological characteristics of parental tumors. Representative immunofluorescence images of paired UTUC organoids and tumors for CK7, p40, CK20, GATA3, CK5, CD44, UP II, and Ki67.
• Figure 3. UTUC organoids recapitulate the genetic alterations in the parental tumors.
• Figure 4. Global gene expression analysis of UTUC organoids.
• Figure 5. Drug screening in patient-derived UTUC organoids.

为了发好一点的期刊，就加入了单细胞转录组元素，选取了basal和luminal的两个病人的类器官以及类器官的gemcitabine处理后的样品进行单细胞转录组测序，如下所示：

basal和luminal的两个病人的类器官

因为是上皮肿瘤的类器官，所以原则上成功培养后的类器官里面就是纯粹的上皮细胞，没办法走我们推荐的单细胞转录组降维聚类分群和命名流程，通常我们拿到了肿瘤相关的单细胞转录组的表达量矩阵后的第一层次降维聚类分群通常是：

• immune (CD45+,PTPRC),
• epithelial/cancer (EpCAM+,EPCAM),
• stromal (CD10+,MME,fibro or CD31+,PECAM1,endo)

参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。绝大部分文章都是抓住免疫细胞亚群进行细分，包括淋巴系（T,B,NK细胞）和髓系（单核，树突，巨噬，粒细胞）的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的 fibro 和endo进行细分，并且编造生物学故事的。

我看了看文章的附件，也是没什么单细胞转录组数据分析特色，还是简单的看亚群比例和一些重要的生物学功能基因集合的打分：

重要的生物学功能基因集合的打分

可以看到的是两个类器官的Gemcitabine处理后在每个单细胞亚群里面都是有bulk差异分析结果的体现。

遗憾的是这个文章并没有公开他们的单细胞转录组数据集，无论是表达量矩阵还是测序的fastq文件，但是大家可以去试试看发邮件联系作者团队申请一下。

学徒作业

熟读上面的类器官文献提到的两个公共数据集：

• https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE116118
• https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE106336

前面的数据集是肝内胆管癌细胞系的Gemcitabine处理前后的表达量芯片差异分析，后面的数据集是胰腺癌细胞系处理Gemcitabine前后的转录组测序差异分析。

并且思考一下，为什么作者不自己制作Upper Tract Urothelial Carcinoma Organoids的bulk转录组数据呢？或者说不使用Upper Tract Urothelial Carcinoma 的细胞系公共数据集呢，难道就没有Gemcitabine处理前后的转录组差异分析公开结果可以使用吗？