解码生信，持续更新临床生信文献与思路解读，感兴趣的老师可以关注CC
文章标题：Integrated analysis of single-cell and bulk RNA sequencing data reveals a myeloid cell-related regulon predicting neoadjuvant immunotherapy response across cancers
中文标题：单细胞和大量 RNA 测序数据的综合分析揭示了髓系细胞相关调控子可预测癌症新辅助免疫治疗反应
发表期刊：Journal of Translational Medicine
发表时间：2024年5月
影响因子：6.1/Q1
研究背景
研究方法
收集 1 例治疗前和 1 例治疗后获得病理完全缓解 （pCR） 且接受新辅助免疫治疗的肺腺癌 （LUAD） 患者的单细胞 RNA 测序 （scRNA-seq） 数据集，并使用 pySCENIC 查找细胞类型与免疫检查点抑制剂 （ICI） 反应之间的基因调控网络 （GRN）。使用大规模泛癌数据确定并验证了预测 ICI 反应的调节因子，包括结直肠癌 scRNA-seq 数据集、乳腺癌 scRNA-seq 数据集、癌症基因组图谱 （TCGA） 泛癌队列和 5 个 ICI 转录组队列。执行 Symphony 参考映射以构建髓系细胞图。
结果分析
1. 单细胞序列分析和细胞类型鉴定
在质量控制和去除批次效应在治疗前（PD-1 抗体联合化疗，患者 08）和治疗后（达到 pCR，患者 06）之间GSE207422 scRNA-seq 数据，10,441 个单细胞聚集成 13 个主要簇的簇特异性基因用于用经典标记注释细胞类型。
2. 调控子被组织成组合模块
我们应用 SCENIC 来识别关键调控子。SCENIC 可以同时重建基因调控网络并从 scRNA-seq 数据中识别细胞状态。SCENIC 将顺式调控序列信息与 RNA-seq 数据链接在一起。SCENIC 包含三个主要步骤，包括共表达分析、靶基因基序富集分析和调节子活性评估。
3. PPARG调控子是免疫治疗反应的预测因子
我们使用 AUCell 和 GSVA 验证 PPARG 调控子在本研究中的临床作用。根据 TCGA 泛癌队列，基于单变量 Cox 回归分析，高 PPARG 调控子和低 PPARG 调控子之间没有显着的预后差异，表明 PPARG 调控子不是纯粹的预后指标。
4. PPARG+髓系细胞图谱
我们根据 scGate R 包从 GSE207422（LUAD 样本）和 GSE205506（CRC 肿瘤样本）中筛选髓系细胞标志物（“CD14+”、“FCER1A-”）的表达来选择髓系细胞簇。
文章小结
scRNA-seq 分析结合泛癌数据大量 RNA-seq 分析揭示了新辅助免疫治疗前后的 TME 以及良好反应者和不良反应者之间的 TME 特性不同。我们确定 PPARG 调节因子是 ICI 反应的预测因子。此外，髓系细胞图谱能够识别 PPARG + 亚簇，并提供强大的发现工具和资源价值。（对文章研究思路感兴趣的老师，欢迎扫码和CC一起交流）
