前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >不同泛癌单细胞数据挖掘研究的髓系免疫细胞细分亚群一致性如何

不同泛癌单细胞数据挖掘研究的髓系免疫细胞细分亚群一致性如何

作者头像
生信技能树
发布2024-07-26 16:28:34
360
发布2024-07-26 16:28:34
举报
文章被收录于专栏:生信技能树

整理多个癌症的多个单细胞转录组数据集,就是泛癌研究。聚焦到某个单细胞亚群,这样的汇总的文章北京大学张泽民课题组发了很多cns文章,包括髓系免疫细胞,t细胞以及nk细胞;

  • 2021年2月发表在CELL的《A pan-cancer single-cell transcriptional atlas of tumor infiltrating myeloid cells》
  • 2021年12月发表在science的《Pan-cancer single cell landscape of tumor-infiltrating T cells》
  • 2023年9月发表在CELL的《A pan-cancer single-cell panorama of human natural killer cells》

后来复旦大学樊嘉课题组也有类似的cns文章:

  • 2024年3月的《Cell》期刊《Neutrophil profiling illuminates anti-tumor antigen-presenting potency
  • 2024年5月的《Science》期刊《 A blueprint for tumor-infiltrating B cells across human cancers 》

但是能达到cns级别实在是太难了,刚刚刷到了云南大学的髓系免疫细胞的泛癌研究,就只能是发表在NC上面,标题是:《A single-cell pan-cancer analysis to show the variability of tumor-infiltrating myeloid cells in immune checkpoint blockade》,纳入的样品数量是a total of 192 tumor samples from 129 patients,只关心里面的tumor-infiltrating myeloid cells (TIMs) 即可,涉及到8种癌症。如下所示的髓系免疫细胞细分亚群:

髓系免疫细胞细分亚群

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。

前面我们已经介绍了心肝脾肺肾等多个器官的上皮细胞的细分亚群, 以及免疫细胞里面的髓系和B细胞细分亚群:

其中髓系的(单核,树突,巨噬,粒细胞)的细分亚群,主要是树突细胞细分亚群比较多,是cDC1,cDC2,cDC3,以及pDC。然后是单核就区分成为了:

  • Mono_CD14 , classical CD14+CD16-
  • Mono_FCGR3A ,non-classical CD14-CD16+ monocytes,

最后是巨噬细胞,很早之前我们就总结过虽然虽然M1和M2的分类深入人心,但是在单细胞水平里面正确的做法可能是放弃M1和M2,详见:M1和M2的巨噬细胞差异就在CD86和CD163吗,很多单细胞文章都表明了巨噬细胞的M1和M2极化相关基因在单细胞水平是正相关,比如:

  • https://www.sciencedirect.com/science/article/pii/S0092867418307232
  • https://www.biorxiv.org/content/10.1101/566968v1.full

详见:【巨噬细胞新分类体系(放弃传统M1和M2)】,一切都是数据结果合理的挑选和解释而已。大家在自己的单细转录组数据降维聚类分群的时候也可以看到CXCL9 and SPP1的排他性,跟前面提到的TREM2联合SPP1去和FOLR2基因的排他性类似的。另外,我们通常是并不会选择提高分辨率这个手段来获取精细的单细胞亚群,而是取巨噬细胞子集后,继续进行降维聚类分群后再命名的策略。参考:取单细胞亚群子集细分的时候一定会出现干扰亚群(所以不要惊慌),,这样的话你就可以看到细胞亚群里面的混杂因素,而且可以手动删除到干扰因素。

让我们再回顾一下2021年2月发表在CELL的《A pan-cancer single-cell transcriptional atlas of tumor infiltrating myeloid cells》,可以看到也是髓系的(单核,树突,巨噬,粒细胞)的细分亚群,主要是树突细胞细分亚群比较多,是cDC1,cDC2,cDC3,以及pDC。然后是单核就区分成为了:

  • Mono_CD14 , classical CD14+CD16-
  • Mono_FCGR3A ,non-classical CD14-CD16+ monocytes,

然后就是巨噬细胞的细分,并没有体现出来TREM2联合SPP1去和FOLR2基因的排他性,因为每个单细胞转录组数据集降维聚类分群的时候每个亚群的top基因数量都不少,选择哪个作为代表来进行亚群命名其实是非常主观的。

选择哪个作为代表来进行亚群命名其实是非常主观的

值得注意是这些研究都是汇总的公共数据集,而早期的肿瘤相关单细胞转录组数据都是来源于10x这个仪器,早期并没有意识到中性粒细胞的特殊性,所以在各个髓系免疫细胞里面是缺失粒细胞的哦。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-07-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信技能树 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档