今天继续给大家分享一篇单细胞测序在癌症研究中的应用的文章，看完这篇文章大家会不会跟小编一样感慨 哇这个结果一看就懂，我怎么就没想到这个研究思路呢！这应该就是好的课题设计会给大家带来的思考。话不多说，赶紧一起感受一下这看似简单的研究内容吧。文章题目：Dissecting tranional heterogeneity in primary gastric adenocarcinoma by single cellRNA sequencing。
背景
肿瘤异质性是胃腺癌（GA）准确诊断和治疗的主要障碍。在这里，我们报告了一个系统的转录图谱，以使用单细胞RNA测序（scRNA-seq）描绘GA中的分子和细胞异质性。
我们对来自27个肿瘤和677个非肿瘤样本的9 3个细胞进行了无偏的转录组范围scRNA-seq分析。使用大规模组织学测定和批量转录组学数据集验证分析结果。
见图一
胃肿瘤和非肿瘤胃组织的细胞图谱。
图一
（A）生成单细胞RNA测序（scRNA-seq）数据的示意图。收集27个胃肿瘤（677个内镜样本和27个手术样本）和677个非肿瘤样本（12个慢性胃炎样本和<>个正常样本）。
（B） <> <> 个高质量细胞的 t 随机邻居嵌入 （tSNE） 图，显示样本起源和劳伦分类。
（C）tSNE图显示<> <>个细胞的细胞类型。
（D）小提琴图显示了九种细胞类型中标记基因的平滑表达分布。
（E）tSNE图显示了九种细胞类型的典型标记基因的表达水平。
（F）<>个样本中每种细胞类型的比例。
见图二
将10 411个上皮细胞分类为恶性或非恶性。
图二
（A)10411个上皮细胞的 tSNE根据恶性评分减去非恶性评分进行颜色编码
（B）显示恶性评分（x 轴）和非恶性评分（y 轴）分布的散点图。每个点对应一个像元，并用颜色编码以反映密度。
（C）tSNE图恶性和非恶性细胞的分类。
（D）小提琴图和相应的箱形图显示了恶性和非恶性细胞之间表达差异的八个代表性基因的表达。
（E）使用tSNE图显示的具有差异表达的八个代表性基因的表达。
（F）显示恶性细胞和非恶性细胞中特征基因倍数变化的条形图。
（G）基因集富集分析（GSEA）结果显示恶性上皮细胞中六个胃肿瘤相关基因集的富集。EMT，上皮 - 间充质转换;IL6，白细胞介素-6;贾克，贾纳斯激酶;NF-κB，核因子-κb;TNF，肿瘤坏死因子α;STAT，信号传感器和转录激活剂。
见图三
非恶性上皮细胞的细胞簇和细胞类型之间的潜在转变。
图三
（A） 4776 个非恶性上皮细胞的 tSNE 图，颜色编码为样品来源。
（B）非恶性上皮细胞的tSNE图，颜色编码以反映细胞簇。
（C）小提琴图显示了每种细胞类型的标记基因的平滑表达分布。
（D）非恶性上皮细胞的tSNE图，用于标记基因表达的颜色编码。
（E）免疫染色显示首席细胞，颈部细胞和表达化生（SPEM）的解痉多肽的空间分布。
（F）主细胞、颈部细胞和SPEM的单片眼镜2伪时间分析。
（G）热图显示了动态基因沿伪时间的缩放表达。热图的行表示沿伪时间显示动态变化的基因，这些基因根据其沿伪时间的表达模式聚类为三组。
（H）人类胃中胃化生细胞起源和进展的简单模型。
见图四
胃腺癌（GA）中肿瘤内和肿瘤间异质性的景观。
图四
（A）5635个肿瘤细胞的tSNE图，病理学和五个分子簇的颜色编码。
（B）桑基图显示了劳伦的组织学特征和EB病毒（EBV）感染在五个集群中的分布。
（C）九名患者中五个细胞亚组的比例。
（D）调整p值<0.01和倍数变化>1的特征基因的相对表达。
（E）七个上皮分化相关基因在五个亚组中的平均表达。右图七个基因与KRT20之间的皮尔逊相关系数。
（F）tSNE图显示5635个肿瘤细胞的分化评分。
（G)1名患者的分化评分直方图。红色虚线划分了差异分分分布的两个峰值。
（H）单片眼镜4构建的IGC2和IGC0中恶性细胞的轨迹。每个点对应于单个细胞，并按细胞亚组顶部和分化分数底部进行颜色编码。
（I）高差异和低差异患者组的总生存期。P=0032.<>，使用对数秩检验计算。
见图五
亚群C1，C2和C3的分子特征。
图五
（A）肿瘤细胞的tSNE图，颜色编码为C1，C2和C3。
（B和C）显示CLDN18TFF2APOA1和FABP2表达的小提琴图。
（D）小提琴图显示五个聚类的分化分数。
（E）显示 KRT20，PHGR1和MDK 在五个细胞亚组中表达的小提琴图。
见图六
亚群C4的分子特征和GA-FG-CCP的定义。
图六
（A）肿瘤细胞的tSNE图，C4着色。
（B）显示五个亚组中主要细胞标记，分化相关标记和C4特异性基因表达的小提琴图。
（C）使用 Metascapewww.metascape.org的C50中前4个签名基因的丰富基因本体术语。
（D）免疫荧光染色表明 MUC6，PGA3和DAPI（细胞核）在GA-FG-CCP恶性细胞上的共表达。比例尺，100 μm。
（E） 热图显示了 TCGA STAD 数据集中 86 名肠道型患者的聚类结果。热图中的颜色对应于样品之间的一致性（请参阅在线补充材料中的“方法”部分）。上图显示了C4中四个特定基因的相对表达和两个分化相关标记。
（F） 箱形图显示选择用于四个聚类中 TCGA 样品聚类的 C4 特异性基因的平均表达。
（G） 箱形图显示四个 TCGA 样本簇中的表达 CTNNB1。
见图七
亚群C5的分子特征。
图七
（A）肿瘤细胞的 tSNE 图，为C5着色。
（B）tSNE 图显示 HLA-DPA1，HLA-DPB1 和 LY6K 在肿瘤细胞中的表达。
（C）显示 HLA-DPA1HLA-DPB1 和 LY6K 在五个亚组中表达的小提琴图。
（D）使用 Metascapewww.metascape.org的 C50 中前5个签名基因的丰富基因本体术语。
（E）免疫荧光染色表明 HLA-DP，KRT18 和DAPI细胞核在EB病毒（EBV）+胃腺癌（GA）恶性细胞上的共表达。比例尺，100 μm。
（F）免疫组织化学染色表明 LY6K在EBV +和EBV - 肿瘤样本上的表达，比例尺，100μm。
（G）箱形图显示 TCGA STAD 数据集的EBV +和EBV - 患者中表达HLA-DPA1和HLA-DPB1，p值由学生t检验计算。
（H）1个样品中G2，S和G12M B细胞的比例。
结论
综上所述，我们构建了一个全面的单细胞转录组图谱，其中包含来自27个GA样本和677个非恶性胃粘膜样本的9 3个细胞。专注于上皮细胞，我们确定了一组用于区分良性和恶性上皮的生物标志物。
所提出的潜在主细胞转变结果应有助于阐明胃癌发生的机制。
我们还描述了肿瘤内部和肿瘤之间的不同分化程度，并预测了低分化度患者的不良结局。此外，我们使用scRNA-seq和批量转录组学数据集鉴定了GA-FG-CCP和EBV+ GA。
由于这是一项初步研究，我们分析的局限性在于本研究登记的患者病例数量很少，我们的发现需要在更大的患者队列中进行验证。另一方面，我们采用scRNA-seq方法，其测序深度通常低于块组织的RNA-seq。
低深度带来了几个问题。首先，由于捕获效率低和脱落率高，scRNA-seq数据相对稀疏。其次，转录本水平受时间波动的影响，这进一步导致scRNA-seq数据中零观测的高频率。最后，scRNA-seq的低深度也使得低表达基因（如非编码RNA）的检测和选择性剪接变得困难。
因此，与块RNA-seq相比，scRNA-seq检测到的表达基因的数量通常较小。尽管如此，尽管存在上述限制，scRNA-seq为我们提供了一种破译单细胞转录组的技术，这是向前迈出的一大步。以单细胞转录组谱为特征的GA分子谱分析可能为剖析肿瘤异质性铺平道路，对临床实践产生影响。
好了 今天的文献解读就到这儿来，我们下期再见！
联系客服
