晚期骨肉瘤中肿瘤内异质性和免疫抑制微环境的单细胞RNA景观

2023-10-19 15:48:29 浏览数 (2)

文章概述

文章标题：《Single-cell RNA landscape of intratumoral heterogeneity and immunosuppressive microenvironment in advanced osteosarcoma》

发表日期和杂志：2020年发表在Nature Communications上

在线阅读链接：https://doi.org/10.1038/s41467-020-20059-6

单细胞实验设计

通过对来自7个原发、2个复发和2个肺转移的骨肉瘤病变的100,987个单个细胞的RNA测序，基于基因表达谱和典型标记的无偏聚类，识别出11个主要细胞簇。

单细胞转录组数据情况

数据链接是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE152048

可以看到一共是11个样品进行分析：

代码语言：javascript复制
GSE152048_BC10.matrix.tar.gz 89.4 Mb
GSE152048_BC11.matrix.tar.gz 72.2 Mb
GSE152048_BC16.matrix.tar.gz 102.9 Mb
GSE152048_BC17.matrix.tar.gz 65.9 Mb
GSE152048_BC2.matrix.tar.gz     17.3 Mb
GSE152048_BC20.matrix.tar.gz 114.2 Mb
GSE152048_BC21.matrix.tar.gz 54.5 Mb
GSE152048_BC22.matrix.tar.gz 83.5 Mb
GSE152048_BC3.matrix.tar.gz     23.8 Mb
GSE152048_BC5.matrix.tar.gz     120.9 Mb
GSE152048_BC6.matrix.tar.gz     138.6 Mb

作者给出来的数据是matrix.tar.gz的数据格式，直接下载需要的数据，解压开来即可，然后导入进行分析即可：

代码语言：javascript复制
###### step1:导入数据 ######  
samples=list.files('outputs' )
samples 
sceList = lapply(samples,function(pro){ 
  # pro=samples[1] 
  print(pro) 
  sce=CreateSeuratObject(Read10X(file.path('outputs/',pro)) ,
                         min.cells = 5,
                         min.features = 300,
                         project =   pro )
  
  return(sce)
})
names(sceList)  
samples 
sce.all <- merge(sceList[[1]], 
                 y= sceList[ -1 ]  ) 

as.data.frame(sce.all@assays$RNA@counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all@meta.data$orig.ident) 


library(stringr)
ss=str_split(rownames(sce.all@meta.data),'-',simplify = T)[,2] 
table(ss)
sce.all@meta.data$orig.ident = paste0('s',ss) 
table(sce.all@meta.data$orig.ident)

后面就是标准分析啦,对读取进来的数据进行质控、harmony整合以及细分亚群等。

第一层次降维聚类分群

文章中综合数据的t-SNE聚类分析，展示了OS病变中11种主要细胞类型的。

文章给出的细胞亚群分类以及判断标准如下：

  1. 高表达COL1A1、CDH11和RUNX2的成骨型骨肉瘤细胞；
  2. 高表达成骨细胞标记物和细胞增殖标记物TOP2、PCNA和MKI67的增殖型成骨型骨肉瘤细胞；
  3. 具有高ACAN、COL2A1和SOX9表达的软骨型骨肉瘤细胞；
  4. 特异性表达标记物CTSK和MMP9的破骨细胞；
  5. 具有高IL7R、CD3D和NKG7表达的T和NK细胞；
  6. 特异性表达CD74、CD14和FCGR3A的髓系细胞；
  7. 表达COL1A1、LUM和DCN的成纤维细胞；
  8. 高表达α-平滑肌肌动蛋白（也称为ACTA2）和RGS5的外周细胞；
  9. 表达CXCL12、SFRP2和MME（CD10）的间充质干细胞；
  10. 特异性表达MYLPF和MYL1的肌母细胞；
  11. 特异性表达PECAM1和VWF的内皮细胞。

通过对恶性OS细胞的t-SNE分析，共鉴定出7个亚簇，其中6个属于成骨细胞谱系，1个属于成软骨细胞谱系。展示了不同簇恶性成骨细胞和成软骨细胞的基因表达模式，成软骨谱系亚群的特点是SOX9、COL2A1和ACAN的表达相对较高，成骨细胞谱系显示出高水平的成骨细胞成熟标志物，包括COL1A1、COL3A1和RUNX2。

其它加分项

文章对肺转移或复发性病变与原发性病变成骨细胞间deg以及成软骨细胞与成骨细胞恶性细胞间deg绘制了散点图

基于Monocle 2算法和SCORPIUS算法对OCs进行了轨迹分析，以推断OS病变中OCs的成熟过程

该文章描述了骨肉瘤恶性细胞及其肿瘤微环境，特别是间质细胞和免疫细胞的转录特性、调节因子和动力学。

通过分析推测的拷贝数变异和轨迹，揭示了恶性成骨细胞从恶性软骨母细胞转分化的过程。

在肺转移性骨肉瘤病变中可观察到促炎症细胞FABP4 巨噬细胞的浸润。与原发成骨细胞性骨肉瘤病变相比，软骨母细胞性、复发性和肺转移性骨肉瘤病变中破骨细胞的浸润率较低，TIGIT阻断增强了具有高比例TIGIT 细胞的原代CD3 T细胞对骨肉瘤的细胞毒作用。

data matrix tar 数据 算法

0 人点赞