疑义相与析！单细胞数据挖掘五大策略！
学术
健康
2024-11-20 09:00
上海
单细胞测序技术深刻地改变了科研模式。随着技术的推广，单细胞数据挖掘已经从早期的图谱构建过渡到聚焦特定的细胞类型，挖掘驱动表型的核心基因，探究细胞互作模式等，这对于理解生物学过程、疾病诊治、药效预测以及免疫疗法的靶点发现等具有重要意义。但是，从海量的单细胞数据中挖掘出有用信息仍然是一个巨大的难题。我们结合文献，为大家分享单细胞数据挖掘的五大策略。策略一，发现和鉴定新的细胞类群。2024年5月，中科院上海免疫与感染研究所张晓明教授与复旦大学附属中山医院高强教授、樊嘉院士和浙江大学郭国骥教授等合作在Science杂志上发表题为A blueprint for tumor-infiltrating B cells across human cancers的研究论文，揭示了肿瘤浸润 B 细胞的两种应答模式及其对抗肿瘤免疫的影响。研究人员整合了自测数据和公共数据共477例样本的 B 细胞单细胞转录组数据，将 B 细胞分为15个大群，包括IFIT3+ B 细胞、DUSP4+ 非典型记忆（Atypical memory, AtM）B 细胞、生发中心（GC） B 细胞和浆细胞等。本研究重点研究了EF来源浆细胞的前体细胞——DUSP4+ AtM B 细胞，主要描绘了其在肿瘤中的表型和调控机制。差不多同一时间，高强教授团队与合作者在Cell杂志发表题为Neutrophil profiling illuminates anti-tumor antigenpresenting potency的研究论文。该研究借助单细胞测序数据，分析了17种癌症类型中225个样本的中性粒细胞，揭示其在癌症中的10种不同状态，包括炎症、血管生成和抗原呈递。研究发现，HLA-DR+CD74+亚群中性粒细胞，与多数癌症的预后较好相关，并且能够通过亮氨酸代谢激活来增强 T 细胞的抗原反应。策略二：Frequency有差异的细胞类群（亚群特征表达基因）。单细胞转录组技术是捕捉细胞异质性的强有力工具，通过对亚群特征表达基因的探索，挖掘细胞异质性，构建精细细胞图谱。2019年9月，Nature Communications杂志发表题为Heterogeneity of human bone marrow and blood natural killer cells defined by single-cell transcriptome的研究论文。研究者通过单细胞转录组测序数据，定义了人类骨髓和血液中不同的NK细胞亚群，利用每个亚群的特征表达模式定义这些具有特殊功能的NK细胞。策略三：组间显著差异基因。通过组间比较筛选潜在的调控因子是bulk RNA测序数据挖掘最常用的方法，可以快速缩小研究范围。在单细胞数据挖掘中，我们可以进一步确定调控表型的关键因子是通过何种具体的途径调控表型。2024年10月，华中科技大学同济医学院附属同济医院王从义教授团队在Cell Metabolism发表题为PDIA3 defines a novel subset of adipose macrophages to exacerbate the development of obesity and metabolic disorders的研究论文。借助单细胞核转录组测序数据，该研究发现脂肪组织巨噬细胞（ATMs）亚群仅在肥胖受试者中高度富集。这群细胞高表达ATF4、PDIA3、ACSL4、CCL2，因而被定义为炎症和代谢激活的巨噬细胞（iMAMs）。这些iMAMs在肥胖和相关代谢紊乱的发病机制中发挥关键作用。策略四：从转录因子切入。当我们无法鉴定到新的细胞类群，也找不到合适的特征基因和差异基因作为主线继续挖掘数据时，转录因子是一个很好的切入点。转录因子分析为探索细胞异质性开辟了一条新途径，它着重于从Regulons（调控子）的活性异质性角度出发，剖析不同细胞亚群间的调控子差异，并借助Regulons网络分析，深入挖掘驱动表型的关键调控网络。这种策略有点像Bulk测序中的互作分析或者WGCNA。2020年7月，PNAS杂志发表题为Cell profiling of mouse acute kidney injury reveals conserved cellular responses to injury的研究论文。研究人员借助SCENIC分析了不同分化命运下Regulons活性的异质性，筛选处异质性较强的Regulons，并查看靶基因表达变化，在成功修复集群中，转录因子Hnf4a、Hnf1b和Pbx1驱动了多个与修复相关基因的表达，包括各种溶质连接的载体Plxdc2、Gas2和Dab2，最终解析了小鼠急性肾脏损伤修复关键分析机制。策略五：细胞通讯，找核心配受体。细胞通讯是一个非常受欢迎的研究方向，其中配体与受体的相互作用是探究细胞互作的常用手段。典型的互作模式涉及 A 细胞释放的 B 配体与 C 细胞上的 D 受体结合，这一过程具有明确的方向性。因此，细胞通讯常被用来阐明细胞类型 A 的功能机制。2023年2月，Cance Cell杂志发表题为Immune checkpoint HLA-E:CD94-NKG2A mediates evasion of circulating tumor cells from NK cell surveillance的研究论文。这篇文章通过细胞通讯分析，发现血液中的肿瘤循环细胞CTC与肿瘤细胞之间可通过多种蛋白分子来实现细胞间的互作。这是这篇文章的核心，也是另一篇文章的基本出发点！2024年9月，作者们用同一套数据在Cell Discovery杂志发表题为Immune checkpoints HLA-E:CD94-NKG2A and HLA-C:KIR2DL1 complementarily shield circulating tumor cells from NK-mediated immune surveillance的通讯文章。
这项研究将NK细胞细分为三群。NK-1是转移灶和原发灶有，肝门静脉 (HPV) 没有的；NK-2和NK-3是转移灶和HPV都有的（参与肿瘤转移的）。亚群细分后，就发现Cancer Cell报道的CD94:NKG2A-HLA-E是HPV的NK-2和NK-3与CTC互作的，除此之外，CTC HPV的NK-2通过HLA-C:KIR2DL1，NK-3通过HLA-C:KIR2DL3进行互作。细胞通讯分析仍然是这篇通讯文章中最重要的分析。作者就HLA-C:KIR2DL1这对互作分子进行了深入研究。通过HLA-E和HLA-C在小鼠肿瘤模型中的单、双敲除实验（Loss-of-function），分析肿瘤大小、小鼠生存验证双重阻断HLA-C:KIR2DL1和HLA-E:CD94-NKG2A，可以进一步抑制肿瘤转移。机制上比较简略，没有实验验证，只是简单的呈现在示意图中了。利用细胞通讯分析，比较容易地可以找到组间差异通讯的互作分子，这样又有表型，又有机制，还可以作为靶点进行后续研究。精彩！非常精彩！本文根据美吉生物的推文而创作，部分内容直接应用，但是加入了我们自己的观点。奇文共欣赏，疑义相与析，供各位果友参考！参考链接：
https://mp.weixin.qq.com/s/8xOgvo8GM6RvxqCl6CTI1A
