专栏名称: 生信图书馆

深入解读最新生信文献，分享研究思路和方法，提供专业生信分析服务，帮助您把握生物信息学的最新动态

不是正刊发不起，而是五图就能发的子刊更有性价比！单细胞联合机器学习，双热点在手，发文我不愁

生信图书馆 · 公众号 · · 2024-09-01 19:00

正文

各位宝子们大家好，这里是准时给大家带来文献分享的大智。今天，在找文献的时候大智浅扒了一本神刊：作为Science的子刊，《Science Advances》出道即巅峰，从16年到17年，仅需1年，影响因子从0变为11，年发文量大且国人友好。而单细胞一直作为生信界的香饽饽，如果手里有点经费，还是可以考虑冲一下的，今天大智就给大家分享一篇上周刚发表新鲜滚热辣的单细胞文章，如何用五张图就发子刊，这就跟大智上车：

1、新型单细胞技术和机器学习：利用RNA-SMI技术在单细胞和亚细胞水平上解析基因表达的空间分布，并结合机器学习算法进行精确的细胞分割，提高了空间数据的解析度。

2、多组学数据和模型构建：结合基因表达数据与临床结果，使用Kaplan-Meier和Cox回归模型评估患者生存率，同时整合基因组、蛋白质组和临床数据，为黑色素瘤的生物学和治疗提供了全面视角。 ps：大智持续给大家带来最新的科研资讯~偷偷告诉你，这篇文章把数据和脚本都已经共享啦，想复现这个思路但不知道如何入手？想个性化设计生信创新思路？笔记本跑不了单细胞数据？快来扫码联系大智吧！这里有无数高分文章套路可复现！

定制生信分析

云服务器租赁

加好友备注“99” 领取试用

题目：从良性和恶性肿瘤的单细胞空间图中提取的黑色素瘤进展和预后模型

杂志：Science Advances

影响因子：IF=11.7

发表时间：2024年07月12日

研究背景

这篇文章通过单细胞空间分子成像技术研究黑色素瘤的进展和预后，揭示了黑色素瘤的临床困难主要包括对肿瘤遗传机制理解的不完全、肿瘤微环境的复杂性、肿瘤生长和转移调控机制的不明、传统技术在提供空间信息方面的限制，以及在临床实用性、样本和技术限制、治疗靶点发现、预后模型建立以及前瞻性分析方面的挑战。

研究思路

作者采用单细胞RNA-基于空间分子成像（RNA-SMI）技术，对良性和恶性黑色素细胞肿瘤样本进行了深入的空间基因表达分析。研究者通过算法聚类和空间基因表达模式的可视化，识别了与细胞增殖、代谢和恶性表型相关的基因标记，特别是CDK2和FABP5基因，并进一步通过临床数据验证了这些基因表达水平与黑色素瘤患者预后的相关性，从而建立了一个将单细胞空间数据应用于癌症进展和患者生存预测的研究框架。下面为研究流程图：

数据来源

本文的数据基于对203,472个细胞的深入分析，这些细胞来源于10个患者衍生的良性和恶性黑色素细胞肿瘤样本。此外，研究还整合了来自TCGA数据库中473名黑色素瘤患者的bulk肿瘤衍生转录组数据。

主要结果

1.基于单细胞RNA的空间分子成像生成良性、恶性和转移性黑素细胞肿瘤内的基因表达图

研究者采用了 RNA-SMI 技术，这是一种能够对患者来源的、经过甲醛固定、石蜡包埋（ FFPE ）的样本进行分析的方法（图1A），允许对单个细胞内的空间基因表达进行可视化。首先分析了 10 个患者来源的肿瘤样本，包括3个皮下黑色素痣、4个原发性侵袭性黑色素瘤和3个皮肤转移瘤。这些转移瘤在临床工作期间已经进行了DNA测序，发现了KRAS、NRAS、TP53、NF1和TERT基因的突变。其中使用的探针集包含了大约1000个与癌症相关的基因。

通过机器学习增强的分割技术，每张幻灯片上超过63,000个细胞被数字化分割，并将大约7000万个基因转录本分配到每个肿瘤微环境的诊断区域。进一步验证了黑色素细胞痣与黑色素瘤皮肤转移瘤之间的已知黑色素瘤基因表达差异，确认了转移性黑色素瘤中S100B黑色素细胞的PRAME 表达增加，以及黑色素瘤上方表皮角质细胞中S100A8的增加（图1B）。 UMAP 显示了S100B阳性细胞（即可疑恶性黑色素细胞）中PRAME表达的不同亚群，以及KRT14阳性细胞（即可疑覆盖黑色素瘤的角质细胞）中S100A8表达的亚群（图1C）。

图1 基于单细胞RNA的SMI生成良性、恶性和转移性黑素细胞肿瘤内的基因表达图

2.聚类分析确定了包括CDK2在内的增殖基因特征

研究者通过 Leiden 聚类，研究者将细胞分为 11 个独特群体（图2A），并进一步使用Human Cell Atlas ( HCA )皮肤基因表达数据集作为参考，将细胞分为 8 个不同的肿瘤黑色素细胞类型（图2B）。随后发现，MKI67和CENPF作为细胞周期的标记物，在某些群体中表达最高，并且与CDK2等基因共同表达，这些基因与黑色素瘤生长有关（图2C）。 UMAP 技术用于可视化这些基因的共表达模式，揭示了MKI67/CDH1/CDK2+细胞在转移性肿瘤中的富集（图2D，E）。

此外，研究者还利用 TCGA 数据库的数据，确认了这些基因表达的相关性，并发现CDK2的高表达在黑色素瘤中具有特异性（图2F）。这些发现表明，单细胞空间数据的聚类算法能够揭示黑色素瘤中细胞增殖等过程的基因表达特征。

图2 聚类分析确定了包括CDK2在内的增殖基因特征

3.候选基因分析揭示CDK2在肿瘤间质边界的差异表达

作者通过候选基因分析，特别关注了 CDK2 基因，并探索了它在黑色素细胞痣与黑色素瘤中的空间表达差异。尽管CDK2在良性黑色素细胞痣的表皮和浅层真皮中有表达，但在深层真皮中，黑色素细胞痣的CDK2表达逐渐减少，而原发性黑色素瘤则在肿瘤-基质边界保留了较高水平的CDK2表达（图3A）。

通过半监督聚类和负二项回归分析（图3B-D），研究者进一步量化了CDK2在黑色素细胞痣和黑色素瘤中的表达差异，并在蛋白水平上进行了验证。这些发现表明，CDK2在肿瘤-基质边界的高表达是大多数原发性黑色素瘤的特征，但CDK2的表达并不特异于恶性黑色素细胞，提示在良性和恶性肿瘤微环境中可能存在其他空间定义因素调节细胞表型。

图3 候选基因分析揭示CDK2在肿瘤间质边界的差异表达

4.肿瘤内空间分析协调了区域性增殖和代谢基因表达的特征

研究者通过肿瘤内空间分析对比了表达CDK2的良性与恶性黑色素细胞，在同一肿瘤中同时含有黑色素瘤和痣的部分进行了分析，以减少不同患者、年龄、活检部位、日晒和遗传背景等因素的干扰。通过组织形态学和免疫组化分析确认了肿瘤的不同部分（图4A），并发现PRAME和CDK2的表达与黑色素细胞的良恶性状态一致（图4B）。无监督和半监督Leiden聚类在联合肿瘤的痣和黑色素瘤部分生成了不同的细胞聚类（图4C）。进而使用半监督聚类进行差异表达分析，定量确认了包括PRAME和IFI27在内的预期标记基因显著差异表达（图4D）。

研究者随后利用 Lee’s L空间关联分析（图4E），在肿瘤的恶性部分识别出四个不同的基因表达空间聚类，其中包括与炎症和免疫调节相关的基因，以及与细胞增殖密切相关的CDK2、COX5B和FABP5等基因。这些发现揭示了肿瘤微环境中的空间基因表达特征，为理解良性与恶性黑色素细胞之间的生物学差异提供了新的视角。

图4 肿瘤内空间分析协调了区域性增殖和代谢基因表达的特征

5.MKI67、CDK2和FABP5的表达差异能够回顾性预测黑色素瘤患者的生存率

研究者通过 Kaplan-Meier 生存曲线和 Cox比例风险回归分析（图5A），发现MKI67的表达增加与患者生存率的降低显著相关，而CDK2和FABP5的表达也与生存率显著相关。随后建立了一个包含MKI67、CDK2和FABP5表达水平以及患者年龄、性别和癌症分期的模型，发现这三个基因是独立且显著影响生存的因素。之后使用UMAP技术（图5B），在黑色素瘤的肿瘤微环境中发现了MKI67/CDK2/FABP5的共表达，特别是在恶性和转移性黑色素瘤细胞群中。在非病变皮肤的表皮上层中发现了FABP5的显著表达（图5C），这可能解释了为什么FABP5没有在富含黑色素细胞的增殖簇中聚集。

利用 scRNA-seq 数据分析了CDK4/6抑制剂abemaciclib对黑色素瘤细胞周期的影响（图5E），发现MKI67表达在细胞周期抑制后下降，而CDK2和FABP5的表达变化较小，表明CDK2可能在细胞增殖状态的上游，FABP5的表达可能与细胞对复制环境的适应性反应有关。

图5 MKI67、CDK2和FABP5的表达差异能够回顾性预测黑色素瘤患者的生存率

文章小结

这篇文章研究者利用单细胞RNA-基于空间分子成像（RNA-SMI）技术，结合机器学习和降维技术，对203,472个细胞进行了深入的空间基因表达分析。通过聚类算法和差异表达分析，揭示了黑色素瘤中关键基因的空间异质性，并建立了基因表达与患者生存率之间的关联模型。

不是正刊发不起，而是五图就能发的子刊更有性价比！单细胞联合机器学习，双热点在手，发文我不愁

正文

主要结果

文章小结

请到「今天看啥」查看全文