单细胞分析如何过渡到预后模型？：单细胞分析如何过渡到预后

原标题：单细胞分析如何过渡到预后模型？
今天和大家分享的是2020年10月份发表在Aging-US杂志上的一篇文章(IF=4.831)“Glioblastomacelldifferentiationtrajectorypredictstheimmunotherapyresponseandoverallsurvivalofpatients” 。文章中作者根据GBM样品的整合单细胞RNA测序数据进行分析，通过轨迹分析找到了与分化相关的基因，继而通过TCGA数据库以这些基因为基础分别构建了分子分型以及预后预测模型。
Glioblastomacelldifferentiationtrajectorypredictstheimmunotherapyresponseandoverallsurvivalofpatients
胶质母细胞瘤分化轨迹可预测患者的免疫治疗反应和总体存活率
一、研究背景
胶质母细胞瘤（GBM）是最常见的原发性恶性脑肿瘤，占所有肿瘤的14.6％和中枢神经系统（CNS）的恶性肿瘤的48.3％。由于GBM具有高度侵略性， GBM患者在数天或数月内会迅速发生神经功能缺损，癫痫发作和颅内高压症状。尽管在包括手术切除，放疗和化学疗法在内的各种治疗方法的开发方面取得了长足的进步，但在过去的几十年中，在延长生存期和改善预后方面进展甚微。癌症干细胞（CSC）的分化过程中在肿瘤微环境影响癌细胞多种因素，导致异源细胞分化状态和细胞命运。单细胞转录组学分析已成为一种强大的方法，可通过以显微镜分辨率同时研究整个肿瘤样品的基因组的全面性质，来提供表征细胞状态及其转变的机会。将这种综合的组成肿瘤的细胞排列成轨迹，有助于根据分化状态了解肿瘤细胞亚群，并揭示伴随细胞命运规范的遗传级联和相关致瘤途径。然而，尚不清楚GBM细胞是否处于不同的分化状态，以及基于细胞分化轨迹的GBM患者新分类是否与肿瘤生物学行为相关，并在预测患者存活率和免疫治疗反应中发挥作用。
二、研究思路

文章图片
三、结果解读
1、使用scRNA-seq数据确定13个细胞簇
根据质量控制标准和GBMscRNA-seq数据的标准化，排除了194个低质量细胞，来自GBM核心的2149个细胞纳入分析。检测到的基因数量与测序深度显着相关。总共包括19,752个对应基因，方差分析显示1,500个高度变异基因。采用主成分分析(PCA)确定可用维度并筛选相关基因。但是PCA结果并未证明GBM中细胞间存在明显的分离。选择了20个P值<0.05主要成分（PCs）以进行后续分析。

文章图片
图1.基于单细胞RNA-seq数据的13个细胞簇
应用tSNE算法，并将人类GBM中的细胞成功分类为13个独立簇。差异表达分析共鉴定自13个聚类的8,025个标记基因。根据标记基因的表达模式，这些簇被标记为singleR和CellMarker 。包含518个单元的簇0注释为GBMCSC；包含878个细胞的簇1、2、6和10标注为GBM癌细胞或GBM细胞；包含196个细胞的簇3标注为星形胶质细胞；包含44个细胞的簇11被标注为少突胶质细胞。包含319个细胞的簇4、5和9被标注为肿瘤相关的巨噬细胞；包含77个细胞的簇8被注释为典型的M1巨噬细胞；包含81个细胞的簇7被注释为典型的M2巨噬细胞；将包含36个单元的簇12标记为T细胞。
2、将GBM细胞可分为两个不同分化亚群，其GDRG与免疫和代谢途径相关
通过轨迹分析将GBMs中的所有细胞投射到一个根和两个分支上。结果表明， GBMCSCs主要位于根中，而GBM细胞主要位于分支中。有趣的是，分支I中的GBM细胞（这里定义为I型GBM细胞）全部来自簇2、6和10（434个细胞），而分支II中的GBM癌细胞（这里定义为II型GBM细胞）全部来自簇1（444个单元）。 I型和II型GBM亚群中细胞的分化程度差异很大。将I型和II型GBM细胞的分支依赖性标记基因为GDRGs 。进行差异分析，并将265个标记基因鉴定为I型GDRG ，将193个标记基因鉴定为II型GDRG 。因此， GBM中最终鉴定出总共498个GDRG 。

文章图片
图2.不同分化模式的细胞亚群的GO注释、轨迹分析和GSEA
进行基因集富集分析（GSEA），以鉴定具有不同分化模式的GBM细胞的相关分子机制和途径。结果显示， I型GDRGs与免疫过程的调节呈负相关，例如抗原加工和免疫细胞分化， II型GDRGs与代谢相关途径（如碳代谢）呈显着正相关（氨基酸的生物合成，糖酵解和糖异生）。 GDRGs的这些发现表明，处于不同分化状态的GBM细胞表现出独特的肿瘤生物学特征，这可能为GBM的分子标记（包括内在特性和相关通路的调控）提供新的证据。