本文为转化医学网原创,转载请注明出处
作者:Alan
导读:
癌症研究的最新进展表明
肿瘤微环境(TME)是
肿瘤进展和治疗反应中的重要部分
。了解癌细胞和非癌细胞间的相互作用已成为癌症免疫治疗的潜在目标。
5月6日,哈佛大学陈曾熙公共卫生学院研究人员在《Nature:Communications》上发表了名为“MetaTiME integrates single-cell gene expression to characterize the meta-components of the tumor immune microenvironment”的文章,研究人员利用
数以百万计的TME单细胞
开发了计算框架
MetaTiME
,在肿瘤免疫治疗方面实现了突破。
https://www.nature.com/articles/s41467-023-38333-8
单细胞rna测序(scRNA-Seq)
已应用于许多肿瘤患者,并且能够高分辨率地识别干扰癌细胞消除的TME成分。然而,肿瘤scRNA分析中细胞类型和细胞状态的定义仍然依赖于专家使用已知的独家生物标志物进行人工标记,这缺乏一致性且在不同的队列之间存在差异。
随着单细胞数据的积累,整合多个队列的大量细胞可以统一细胞类型和状态的定义,从而促进自动注释新的scRNA-seq数据。细胞注释的一种方法是使用预定义的生物标记物列表。然而,这些生物标记物可能无法覆盖特定区域的细胞状态,此外,尽管参考数据库的细胞类型定义可能很有用,但定义粒度会因数据库而有所差异。另一种方法是将包含未注释单元格状态的数据集映射到带注释的引用。获得这种表示的方法包括典型相关分析(CCA),调整主成分(Harmony),或使用变分自编码器(scVI)的生成深度学习模型。
研究人员开发了一个计算框架,用于将来自多个队列的
数百万个单细胞
映射到一个全面的潜在空间,并从数据中进行学习。
MetaTiME(肿瘤免疫微环境元组件)
框架确定了可重复的低维元组件,反映出跨队列和癌症类型的基因表达变异的独立组件。框架采用ICA进行降维,从而最大限度地提高组件之间的相互独立性。研究人员使用MetaTiME从79个肿瘤数据集中的170万个单细胞中获得
元成分(mec)
。这些mec代表了86个数据驱动的转录方向上的TME,反映了谱系特异性细胞状态和信号活动。此外,研究人员还开发了一个MetaTiME工具包,用于使用mec来注释肿瘤scRNA数据集中的细胞状态和特征连续体,并揭示免疫治疗反应之间的差异特征。最后,通过结合转录因子结合数据,MetaTiME可以识别并优先考虑可能调节肿瘤免疫的转录调节因子。
https://www.nature.com/articles/s41467-023-38333-8
MetaTiME框架包括三个阶段:
元组件(MeC)的发现、MeC的解释和单元状态注释的应用
(图1a)。MeC发现阶段从多个具有相似细胞特性的单细胞测量中检测可重复的变异源。MeC解释步骤包括使用生物标志物数据库、途径信息和Cistrome DB染色质分析数据的一次性管理工作。在第三步中,用户使用MetaTiME应用工具将mec映射到新的肿瘤scRNA-seq数据集上,以获得注释的细胞状态和签名连续体。