解码中性粒细胞“铁死亡”：生信分析的多维视角

中性粒细胞和铁死亡确实是当前生命科学领域的研究热点，尤其是在肿瘤免疫和癌症治疗方面。以下是基于最新研究进展的总结：

1. 中性粒细胞与铁死亡的关联

中性粒细胞是一种重要的免疫细胞，在肿瘤微环境中可以演变为促肿瘤的N2型肿瘤相关中性粒细胞（TANs）。这些细胞通过释放免疫抑制分子和促进肿瘤生长的脂质，对肿瘤进展和免疫逃逸发挥重要作用。

2. 铁死亡在肿瘤中的双重作用

铁死亡是一种由铁催化的脂质过氧化引起的程序性细胞死亡方式。在肿瘤微环境中，铁死亡既可以作为抗肿瘤机制（通过诱导肿瘤细胞死亡），也可能通过影响免疫细胞（如中性粒细胞）的活性而促进肿瘤进展。

3. 最新研究进展

• 肿瘤中性粒细胞的铁死亡与免疫抑制：研究发现，肿瘤微环境中的中性粒细胞（PMN-MDSCs）对铁死亡特别敏感。铁死亡诱导剂可以促使这些细胞释放过氧化脂质，从而抑制T细胞的活性，导致免疫逃逸。然而，通过抑制铁死亡，可以减少这些免疫抑制细胞的活性，从而增强抗肿瘤免疫。
• 三阴性乳腺癌的治疗新策略：一项最新研究发现，一种小分子CT-1可以通过靶向铁蛋白重链-1（FTH1），同时诱导N2型TAN和三阴性乳腺癌（TNBC）细胞发生铁死亡。这种双重诱导机制为TNBC的治疗提供了新的思路。
• 胶质瘤中的铁死亡逃逸机制：另一项研究揭示了细胞衰老相关基因IFI16通过激活铁死亡调控因子HMOX1，帮助胶质瘤细胞逃逸铁死亡，从而导致辐射抵抗。研究还发现，降糖药格列本脲可以通过靶向IFI16，增强胶质瘤细胞对辐射诱导的铁死亡的敏感性。

4. 研究意义与未来方向

这些研究揭示了铁死亡在肿瘤微环境中的复杂作用机制，为开发新的癌症治疗策略提供了理论基础。未来的研究可能会进一步探索铁死亡在不同肿瘤类型中的具体机制，并寻找更多能够调节铁死亡的靶点。总之，中性粒细胞和铁死亡的研究不仅有助于理解肿瘤免疫的复杂性，还为开发新的免疫治疗和联合治疗策略提供了新的方向。

再具体就需要看下面的综述文献以及其两个comment 了：

针对这篇文章，有两篇Comment：

铁死亡（一种非凋亡性细胞死亡形式，涉及含氧脂质的释放）诱导剂可在体外和免疫缺陷小鼠体内杀死肿瘤细胞，因此已被研究用作抗癌剂。然而，在免疫功能健全的小鼠体内，它们却无法清除肿瘤。Kim 等人的研究表明，肿瘤中具有免疫抑制活性的病理性活化中性粒细胞（PMN-MDSCs）会自发地死于铁死亡。虽然这减少了它们的数量，但释放出的含氧脂质限制了 T 细胞的活性。在免疫功能正常的小鼠体内抑制嗜铁细胞的生长，可消除 PMN-MDSCs 的免疫抑制活性并减少肿瘤的进展，尤其是在与免疫检查点阻断结合使用时，而嗜铁细胞诱导剂则会促进肿瘤生长。这表明，PMN-MDSC 铁死亡可能是癌症免疫疗法的一种靶向免疫抑制机制。

这些中性粒细胞像极了恐怖袭击中的“人体炸弹”，它们自杀，然后用自己的身体当作“武器”，然后阻拦正当的“反恐”行动。

那么我们应该如何展开以中性粒细胞铁死亡为主题的生信研究呢？

在确定疾病，获取疾病样本的Bulk RNA或是scRNA-seq数据以后，

• 基于中性粒细胞在预后中的重要性，通过批量RNA-seq和单细胞RNA-seq分析了基因表达谱。
• 揭示肿瘤内中性粒细胞（HBT）、肿瘤周围组织中性粒细胞（HBPT）和外周血中性粒细胞（HBPB）之间的基因表达差异，特别是铁死亡相关基因特征。

1. 基因表达差异分析：
   • HBT vs. HBPB：5,425个上调基因和3,846个下调基因。
   • HBT vs. HBPT：2,018个上调基因和2,295个下调基因（ 。

   

   • 通过主成分分析（PCA），HBT、HBPT和HBPB中性粒细胞在基因表达上表现出明显的区分。
   • 差异表达基因（DEGs）分析：
2. 铁死亡相关基因特征：
   • 批量RNA-seq数据显示，HBT和HBPT中性粒细胞表现出显著的铁死亡基因特征，提示从外周血到肿瘤微环境（TME）中中性粒细胞发生了功能变化。
   • HBT中性粒细胞中，与NET形成相关的基因（如PADI4和HMGB1）以及细胞激活相关基因显著富集，表明中性粒细胞与肿瘤细胞之间存在强相互作用。
3. 基因集富集分析（GSEA）：
   • GSEA分析进一步验证了HBT中性粒细胞中铁死亡（hsa04216）相关基因集的显著增强，与HBPB中性粒细胞相比差异显著。
   • HBT和HBPT中性粒细胞之间的铁死亡评分无显著差异。

   

总结：通过批量RNA-seq和单细胞RNA-seq分析，研究揭示了肿瘤内中性粒细胞（HBT）在铁死亡相关基因特征、脂质代谢和线粒体功能方面的独特变化，为进一步理解中性粒细胞在肿瘤微环境中的作用提供了重要线索。

进一步采用单细胞数据验证上面的bulk转录组结果：

1. 铁死亡状态评估：
   • 使用AddModuleScore方法，通过一组与铁死亡相关的特征基因对中性粒不同亚群进行评分，以衡量细胞的铁死亡状态。
2. 伪时间轨迹分析：
   • 使用monocle工具对中性粒细胞进行伪时间排序，以揭示它们的发育轨迹。
   • 使用plot_cell_trajectory函数可视化伪时间轨迹中的细胞，并绘制最小生成树。
   • 伪时间轨迹的起点基于对分析中使用的细胞群体的初步了解。
3. 分支分析：
   • 使用BEAM方法进一步分析中性粒细胞在不同命运分支中的特征。
4. 细胞间相互作用分析：
   • 使用CellChat工具推断不同细胞类型之间的潜在相互作用。
   • 该方法基于基因表达水平，推断两个细胞亚群之间的潜在相互作用强度。
   • 使用点图（Dot plots）展示显著的配体-受体相互作用。

小结：先定位疾病➡再聚焦于中性粒➡引入铁死亡的表型➡落点在诊断或预后上

更加难能可贵的是，上面的文章里面的数据居然是都是研究者们自己产出的，并不是公共数据挖掘。CNP0005379 (bulk RNA-seq) and CNP0005381 (scRNA-seq).

Jin, X., Tang, J., Qiu, X. et al. Ferroptosis: Emerging mechanisms, biological function, and therapeutic potential in cancer and inflammation. Cell Death Discov. 10, 45 (2024).