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：对单细胞和大量rna测序数据的综合分析揭示了可预测癌症对新辅助免疫治疗应答的髓系细胞相关调节因子
发表期刊：Front Immunol
发表时间：20240521
影响因子：6.1/Q1
研究背景
免疫检查点抑制剂 （ICI） 能够逆转癌细胞对免疫监视的破坏，并显着改变了癌症治疗模式。然而，由于 ICI 仅在少数特定的癌症患者中显示出活性。单细胞 RNA 测序 （scRNA-seq） 是一种用于剖析实体瘤复杂性的强大技术，能够以前所未有的细节表征细胞多样性和异质性表型状态。
研究方法
从一名达到病理完全缓解 （pCR） 并接受新辅助免疫治疗的治疗前和治疗后肺腺癌 （LUAD） 患者收集单细胞 RNA 测序 （scRNA-seq） 数据集。pySCENIC 用于寻找细胞类型和免疫检查点抑制剂 （ICI） 反应之间的基因调控网络 （GRN）。使用大规模泛癌数据确定和验证预测 ICI 反应的监管机构。
研究结果
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.调节子被组织成组合模块
我们应用 SCENIC 来识别关键调节因子。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。确定了显著活跃的调节子。SCENIC 将顺式调控序列信息与 RNA-seq 数据链接在一起。
3.PPARG 调节因子是免疫治疗反应的预测因子
为了研究 PPARG 调节子在本研究中的临床作用，我们使用 AUCell 和 GSVA 验证了其功能。基于单变量 Cox 回归分析，高 PPARG 调节子和低 PPARG 调节子之间没有显着的预后差异表明 PPARG 调节子不是纯粹的预后指标。
4.PPARG + 髓系细胞图谱
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。基于 PPARG 的 AUCell，我们构建了 PPARG + 髓系细胞图谱，并将这些细胞分为 14 个簇 （I-XIV）。
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。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。（对这种思路感兴趣的老师，欢迎联系小编！）
