黑色素瘤(Melanoma)是一种恶性肿瘤,起源于能产生黑色素的细胞, 主要是有下面的分类 :
黑色素瘤的分期通常基于肿瘤的厚度(Breslow 厚度)、是否有溃疡、淋巴结受累情况以及是否有远处转移。分期系统如 AJCC(美国癌症联合委员会)TNM 分期系统,会使用 T(肿瘤大小)、N(淋巴结受累情况)和 M(远处转移)来描述黑色素瘤的进展。
其中,癌症都可以分为原位癌(in situ cancer)和侵袭癌(invasive cancer)两个阶段,反映了疾病从早期到晚期的进展过程。
癌症从原位癌发展到侵袭癌的过程可能受到多种因素的影响,包括遗传、环境、生活方式等。早期发现和治疗原位癌对于防止癌症进展和提高治愈率至关重要。定期体检和筛查可以帮助及早发现癌症的早期迹象。
分享一个新鲜出炉的cancer cell杂志的文章:《Integrative molecular and spatial analysis reveals evolutionary dynamics and tumor-immune interplay of in situ and invasive acral melanoma》,关注的就是acral melanoma (AM), 囊括了它的疾病进展过程, progression from in situ (AMis) to invasive AM (iAM) ,并且使用了如下所示的多组学来量化原位和侵袭的肢端黑色素瘤差异 :
多组学来量化原位和侵袭的肢端黑色素瘤差异
首先是每个组学都有自己的常规分析,然后还有多种组学的联合分析,非常的丰富!
多种组学的联合分析
但实际上分析非常常规,我们以大队列的转录组表达量矩阵数据分析为例,首先是无监督的分子分型,如下所示:
Unsupervised hierarchal clustering of 81 AM samples with bulk RNA-seq data identified three distinct molecular subtypes, named as C1, C2, and C3
也就是说,只需要跑代码,就可以得到稳定的分群,而且每个亚群都会有自己的特异性基因和通路。
也可以指定感兴趣的生物学功能角度去解析这个分群,比如代谢分组,或者免疫分组,这个文章的研究者就选择了肿瘤微环境里面的免疫异质性角度进行分组:
Consensus TME phenotypes were observed for the three molecular subtypes
任意角度当然是可以区分病人队列成为了高中低分组, 或者高低分组加上0值分组:
其实每个组学都可以是一个独立的课题,比如文章里面的单细胞转录组数据也是非常丰富了:
第一层次降维聚类分群后,取里面的黑色素瘤肿瘤细胞进行细胞状态分析,也是细分亚群讨论不同群肿瘤细胞的状态变化情况:
不同群肿瘤细胞的状态变化情况
以及空间单细胞转录组技术: 22-plex CODEX in 12 AM samples
感觉吧,发表这个文章的课题组啊,基本上把科研服务公司的活都干完了!!!而且他们做的更好。。。