专栏名称: 生信学霸
生物信息学笔记,学习每一个软件的各种心得,分享快速做分析的技巧,分享生信分析文献,一个从业十年的生信人的所感所惑,偶尔撒泼一下!
目录
相关文章推荐
百姓关注  ·  一县委书记,主动投案! ·  昨天  
贵州省发改委  ·  推动早投产早见效!贵州全力抓项目促发展 ·  昨天  
贵州日报  ·  贵州检察机关依法对许安决定逮捕 ·  2 天前  
百姓关注  ·  突发!两架飞机相撞,已致2人死亡 ·  3 天前  
51好读  ›  专栏  ›  生信学霸

Nature Communications(IF 14.7):单细胞泛癌揭示ICB中肿瘤浸润髓系细胞特异性

生信学霸  · 公众号  ·  · 2024-11-06 17:38

正文


A single-cell pan-cancer analysis to show the variability of tumor-infiltrating myeloid cells in immune checkpoint blockade

免疫检查点阻断 (ICB) 免疫疗法的发展标志着癌症治疗领域的重大突破,近年来取得了可喜的临床成果。虽然T淋巴细胞一直是ICB研究的主要关注点,但髓系细胞在TME中也扮演重要角色,近年来越发受人们关注。目前,髓系细胞在TME中的影响及其对ICB 反应的影响仍不完全清楚。 Nature Communications 上发表的新文章通过单细胞泛癌分析发现,肿瘤浸润髓系细胞的异质性与免疫检查点阻断治疗的反应和患者生存紧密相关,并为癌症免疫治疗提供了潜在的预测生物标志物和治疗靶点。


期刊:Nature Communications(IF 14.7)

出版商:Springer Nature

发表:2024年7月21日

DOI: https://doi.org/10.1038/s41467-024-50478-8

关键词:髓系细胞 | 单细胞转录组 | 泛癌 | 免疫疗法 | 肿瘤免疫学

技术手段:单细胞转录组分析、泛癌分析、生存分析、基因调控网络分析等

核心思路:单细胞泛癌分析描绘髓系细胞图谱,并且主要从TIMs组成和功能方面研究细胞异质性>>拟时序分析揭示TIMs在治疗前后的动态变化>>基因调控网络+细胞间通讯分析,识别与治疗反应相关潜在靶点>>生存分析+治疗反应指数构建,挖掘TIMs临床价值


分析有术、思路创新

更多个性化生信分析方案

扫码咨询,获取您的专属私人定制!




方法





数据来源: 从已发表的研究和新的数据集收集了129名患者的192个肿瘤样本,涵盖八种癌症。

单细胞转录组分析: 使用Cellranger处理测序数据,并与人类参考基因组进行GRCh38比对,再由R包Seurat进行后续分析;基于CellMarker网站、文献中的标记基因以及每个簇的DEFs进行细胞注释。

伪时序分析: 使用Slingshot、Monocle和CytoTRACE进行伪时序轨迹分析,以研究细胞状态的动态变化。

细胞间通讯分析: 利用R包Liana分析髓系细胞内部及与其他免疫细胞之间的配体-受体相互作用。

基因调控网络(GRN)分析: 使用R包Scenic进行GRN分析,以识别活跃的转录因子和它们的调控网络。

生存分析: Kaplan-Meier曲线评估细胞类型标志物表达与癌症患者总生存期之间的关系,MSRS方法用于确定两组分割点,log-rank检验用于评估生存差异显著性。





结果




TIM情况在癌症类型和治疗组之间差异很大


为了评估癌症之间肿瘤浸润髓系细胞(TIM)异质性,研究对来自八种不同癌症的肿瘤样本进行了scRNA-seq分析(图1a)。在这八种癌症类型髓系细胞中,研究发现了12个巨噬细胞和单核细胞亚型,四个cDCs和一类特定的肥大细胞(图1b,c)。进一步分析发现,这些细胞类型在功能上存在差异,巨噬细胞亚型具有不同的功能特性。将8种癌症类型的样本根据其治疗状态进行分类后,研究发现 不同癌症类型、不同治疗状态以及治疗反应组之间TIMs的组成存在显著差异 (图1d)。例如,pDC_LILRA4在治疗后BCC和黑色素瘤中成为主要细胞类型,而Macro_LYVE1在治疗后HCC和iCCA中占主导地位、肥大细胞在CRC治疗前后均为主要细胞类型等。

图1



治疗和反应状态与不同的TIM动态特征相关


探究TME中TIMs的动态变化,研究进行了拟时序分析,并在泛癌水平上对TIM的动态变化进行解析。研究发现在免疫治疗后,肿瘤微环境发生了显著的重塑。在免疫治疗后,某些细胞类型的分化状态发生了明显的改变,如Mono_CD14、Macro_NLRP3、Mono_CD16和Macro_IER3在治疗后显示出平均伪时间的显著缩短,而pDC_LILRA4则表现出轨迹分化延迟(图2a,b)。同时,在NR组与R组的比较中,研究观察到更多的细胞类型在R组有更大的动态变化,表明在不同的疾病状态下,稳态和非稳态分化之间可能存在过渡差异。此外,研究还发现肿瘤免疫细胞在不同疾病状态下的分化存在显著差异,显示出不同的炎症信号和功能状态(图2c,d)。这些发现表明 TIMs在TME中具有一定可塑性,并暗示了它们在免疫治疗中可能发挥的促炎或抗炎角色。

图2



不同的TIM调节状态表征特定的癌症


通过基因调控网络分析,研究确定R/NR组TIM内的活性调控元件(RE),并利用转录因子的转录活性进一步对其评估。相关性分析显示,来自同一种癌症和相同治疗反应组的细胞类型聚集在一起,并且与其相应的癌症类型存在密切关系,说明TIMs中的REs与免疫治疗反应在癌症特异性方面具有高度相关性(图3a)。随后,研究确定了导致这种聚集现象的TF模块,并发现这些TFs主要与巨噬细胞相关(图3b)。此外,MAFB的活性在不同的肿瘤浸润免疫细胞类别中一致降低,而JUNB的活性在反应组中较非反应组更低(图3c,d)。

图3



ICB反应中细胞间相互作用的预期靶点


通过细胞间通讯分析,研究检查了TIMs间通讯以及其与T细胞间的交互作用(图4a-d)。结果显示,在R组和NR组的TIMs之间的相互作用中存在明显差异。同时,NR组中多种细胞类型与HLA-A/B/C到LILRA1/3之间的相互作用增加,可能表明髓系细胞的失活和免疫应答的降低。此外,研究还发现不同TIMs与特定CD4/CD8 T细胞亚群之间具有高度的相互作用,其中一些相互作用(如RPS19与C5AR1)可能与抗肿瘤免疫应答相关,而其他相互作用(如CD99与PILRA/CD81)可能与促进肿瘤生长和转移有关。这些发现 揭示了TIMs与T细胞之间的相互作用在肿瘤免疫治疗中的重要性,并为进一步研究TIMs的可塑性和相互作用对免疫治疗反应的影响提供了潜在的治疗靶点。

图4



高度交互的TIM表现出癌症特异性的调控模式


为理解免疫治疗背景下髓系细胞的转录调控模式,研究对R组和NR组间表现出不同细胞间相互作用的细胞类型的调控模式进行了分析,重点关注高度互作的TIMs的TFs。研究发现 不同细胞类型显示出特异性调控模式 ,如c9由pDC_LILRA4独特表达,而c11和c3由cDC_LAMP3表达(图5a)。此外,研究还发现了用以区分R和NR组的独特调控特征,这些特征主要集中在R组中。除了调控模块,研究还发现了在R组和NR组中跨癌症的共同TFs,它们以相同方向进行调控(图5b)。例如,Macro_FOLR2+APOE+中的FOSB、cDC_LAMP3中的MAFF和SPI1以及Macro_FOLR2-APOE+中的MAFB。

图5



不同的TIM与不同癌症的生存率相关


为了评估个体分层细胞类型对患者预后的影响,研究对IMvigor210膀胱癌(UC)、ccRCC和皮肤黑色素瘤(SKCM)在内的免疫治疗后队列进行了生存分析。结果显示,cDC_LAMP3标记物的高表达与较低的生存率相关,而Macro_FOLR2+APOE-、pDC_LILRA4和Macro_APOC1+IFI27+标记物的高表达与改善的生存结果相关(图5c)。然而,某些细胞类型(如Mono_INHBA)在不同癌症类型中显示相反的生存关系,强调了肿瘤特异性和细胞异质性对生存结果的影响(图5c)。此外,研究还发现HLA-A/B/C与LILRA1/3在预后预测中起着重要作用。通过综合考虑细胞类型的比例和富集通路,研究利用GSEA方法开发了一个能够准确预测免疫检查点抑制剂治疗反应的指数。该指数为0时可清楚地区分ICB反应者和无反应者,但在某些癌症类型中,治疗反应指数的预测性能存在差异(图5d)。

图5



Macro_FOLR2+APOE+细胞在ICB应答的CRC患者中更丰富


鉴于FOLR2+巨噬细胞的密度与乳腺癌和肝癌患者生存率相关,研究着重观察Macro_FOLR2+APOE+的作用及其与T细胞相互作用。免疫荧光分析显示,Macro_FOLR2+APOE+细胞的丰度在结直肠癌(CRC)ICB应答者中较高,并且附近存在CD4和CD8 T细胞(图5e)。同时,无应答者体内没有检测到Macro_FOLR2+APOE+细胞,表明这些细胞与治疗反应呈正相关。此外,研究利用单通道免疫荧光染色验证了泛癌新辅助免疫治疗前后与髓系细胞相关的关键标记物的变化,包括ISG15(巨噬细胞)、NLRP3(巨噬细胞)、IER3(巨噬细胞)、CD14(单核细胞)、CD16(单核细胞)和LAMP3(DC)。

图5









请到「今天看啥」查看全文