电脑前的小伙伴们，你们好呀！老方我又来了！今天我带来了一篇关于单细胞RNA测序（scRNA-seq）和空间转录组学的重磅文章，该研究综合使用这两项技术深入理解了肿瘤的分子特征、细胞亚群的动态变化、免疫反应以及药物在肿瘤组织中的作用，妥妥的上分利器！已经迫不及待给大家安排上！
文章来自北京大学张泽民院士团队，其团队一直致力于应用机器学习和高通量测序等高新技术进行抗癌药靶和生物标记物的发现，在《Cell》和《Nature》等顶级期刊发表了几十篇论文。
近日，该课题组以结肠直肠癌（CRC）作为研究对象，基于公共数据集创建了最大的CRC队列研究，描绘出人类结肠组织中细胞异质性的完整图谱，从而指导针对不同CRC患者群体的免疫治疗，拿下顶级期刊NC，神级发文！作者利用大样本量的优势，对患者进行了基于TME异质性的分层分析；此外还通过将单细胞转录组特征与全基因组关联研究确定的风险基因进行关联分析，确定了基质细胞在CRC遗传易感性中的关键作用。为深入理解CRC的发病机制提供了新的视角，也为开发针对基质细胞的靶向疗法提供了理论基础。NC分量不用老方多说，真的强的让人羡慕嫉妒！Ps:文章原文信息已放至文末（看到NC心动了吧！想要上分的小伙伴早点行动起来，这样毕业才不愁！当然如果选题拿不准或者服务器满足不了分析要求，随时可以扫码联系老方哦，我们能提供各种个性化定制哦~）
方案设计
生信分析
服务器租赁
l 题目：人类结直肠癌的综合单细胞分析揭示了具有不同免疫逃避机制的患者分层
l 杂志：Nature cancer
l 影响因子：IF=23.5
l 发表时间：2024年8月
研究背景
结肠直肠癌（CRC）胃肠道中常见的恶性肿瘤之一，目前已建立了四种具有不同预后的共识分子亚型（CMS）。最近一些单细胞研究成果揭示了CRC肿瘤微环境（TME）的异质性，并强调了几个肿瘤特异性亚群在CRC中具有促血管生成作用。但是上述研究往往局限于样本量和细胞数量，阻碍了对CRC TME细胞异质性的全面深入表征。因此，在这项研究，作者通过整合多个单细胞数据集创建了最大的CRC队列研究，描绘出人类结肠组织中细胞异质性的完整图景，从而为CRC病理提供了有价值的见解和指导针对不同CRC患者群体的免疫治疗。
数据来源
数据集/队列 | 数据库 | 数据类型 | 详细信息 |
GSE146771 GSE188711 GSE132465 GSE144735 | GEO | scRNA-seq | 人类结直肠癌（CRCQ）单细胞转录组数据 |
文章中使用的数据来自多个公共数据集，包括国家生物技术信息中心的基因表达综合数据库（Gene Expression Omnibus）、单细胞门户（Single Cell Portal）、VIB - KU Leuven Center for Cancer Biology、Gut Cell Survey 等；
数据共享！！为了方便更广泛的研究社区使用结直肠癌（CRC）图谱，作者通过 figshare（https://doi.org/10.6084/m9.figshare.25323397）共享了数据，并开发了在线互动门户（http://118.190.148.166:8918/）。这么开源，还不赶紧去试试~
人类 CRC 基因表达和临床信息数据来自 TCGA （http://cancergenome.nih.gov/）。
对数据分析感兴趣但缺少时间和对应技术的小伙伴，不妨来找老方助力，专业的事情交给专业的老方，为你发文顺利保驾护航~
研究思路
本文通过整合来自约200名供体的人类结直肠癌（CRC）单细胞转录组数据，全面刻画了与正常组织相比的肿瘤微环境（TME）转录重塑情况，并鉴定出一类具有T细胞招募潜力的肿瘤特异性内皮细胞亚群。研究基于TME异质性对患者进行了分层，揭示了不同的TME亚型，其中癌细胞利用不同的免疫逃避机制，此外，研究还通过将单细胞转录谱与全基因组关联研究（GWAS）鉴定的风险基因相关联，确定了间质细胞是CRC遗传易感性的主要效应细胞类型。
主要结果
1.人类结肠直肠癌图谱及细胞类型分析
作者先是收集了已发表的健康结直肠、炎症、癌旁组织和CRC的单细胞RNA测序数据。质控后作者将上述数据集分为58个亚群，构建了包含671,192个单细胞的高质量CRC图谱（图1A-C）。PCA结果显示样本之间的差异主要是由病理状态引起的（图1D-E），浆细胞在肿瘤组织中的丰度最低，而在健康组织中的比例最高（图1F）；相比之下IgG+浆细胞在肿瘤和炎症组织中所占比例更高（图1G-F）；此外作者观察到CD4+T细胞和CD8+T细胞的不同分布模式（图1F）。CD4+T细胞在肿瘤组织中所占比例相当高。相比之下，CD8+T细胞在肿瘤组织中的比例高于炎症组织。
图1 人类结肠直肠癌图谱及细胞类型分析
2.CRC中免疫细胞和基质细胞亚群的特征
当将CRC组织与癌旁组织和炎症组织进行比较时，作者发现成纤维细胞和内皮细胞（EC）存在很大差异（图2A）。此外CRC组织中表达下调的基因在细胞因子介导的信号通路和补体激活相关通路中显著富集（图2B-C）。与EC迁移、细胞外基质组织和WNT信号通路相关的基因表达水平在CRC组织中显著升高（图2D-E）。以上结果表明，与慢性炎症相比，CRC组织中的基质细胞形成免疫抑制和促瘤表型，从而促进CRC的发展。接着作者检查了每个细胞亚群的组织分布偏好，发现免疫细胞和基质细胞区室中的细胞亚群在CRC和癌旁组织中表现出明显的组织偏好（图2F-G）。
图2 CRC中免疫细胞和基质细胞亚群的特征
3.CRC中EC亚群和细胞亚群共现的特征
另外在这个研究中，作者发现了一种罕见的的ECs亚群（图3A-B）。基因富集分析表明该亚群具有很高的T细胞募集能力（图3C），并且进一步验证了TCGA中HEV-CXCL10特征评分与T细胞特征评分之间的正相关性（图3D）。而且作者发现内皮细胞周围存在以CD8A或CD4表达为特征的T细胞（图3E）。接着作者以IFNG和TNF配体探索了驱动上述亚群表型的细胞外信号，结果表明STAT1/2和IRF2/7排在前列（图3G-H），上述两者能够调节趋化因子CXCL9、CXCL10和CXCL11的表达（图3I-J）。以上研究结果揭示了肿瘤细胞亚群之间不同的共发生模式，表明它们在CRC发展中具有重要的功能相关性。
图3 CRC中EC亚群和细胞亚群共现的特征
4.CRC患者个体TMEs异质性特征
为了研究TME的个体间异质性，作者根据TME中的细胞亚群丰度将CRC患者分为六组（G1-G6）（图4A）。接下来，作者评估了TME与CMS分类系统因果关联。结果表明G1患者在很大程度上与CMS4相匹配（图4B）和表现出上皮-间质转化（EMT）的高度激活（图4C）；此外作者发现成纤维细胞和内皮细胞的顶部标记基因与CRC患者的低生存率相关（图4D）及G1期恶性细胞、成纤维细胞和ECs之间的细胞间相互作用增强（图4E-F）。上述研究结果表明，恶性细胞的转录组学特征可能决定了G1期间质细胞富集表型。
图4 CRC患者个体TMEs异质性特征
5.潜在免疫逃避机制
随后作者比较不同患者组CD8+T细胞中共抑制表达模式。该研究团队发现来自G5的CD8+T细胞表现出的最高表达水平的共抑制（图5A）。同时PD-1的配体CD274和PDCD1LG2（也称为PDL1/2）在该组恶性细胞中也有高表达（图5B）。作者还观察到CD4+T细胞亚群（CD4-cxcl13）在CD8+T细胞和NK细胞主导的组中富集（图5C），而CD8-cxcl13和CD4-cxcl13的基因表达变化也高度相关（图5D）及IL15对CD8-CXCL13和CD4-CXCL13亚群均起着关键影响（图5E）。此外作者发现IL15在LAMP3+dc中的高表达（图5F），并且在CRC的TCGA数据集中，LAMP3的表达与IL15的表达显著正相关。
图5 潜在免疫逃避机制
6.潜在免疫逃避机制表征分析
作者检测了不同患者组巨噬细胞和NK细胞中IgG Fc受体的表达模式，结果表明G4的巨噬细胞中活化Fc受体FCGR3A和FCGR2A的表达水平最低。FCGR3A在NK-GZMH亚群中特异性表达，而在NK-XCL1中不表达（图6A）。此外NK-XCL1在G4中所占比例大于其他组（图6B）。与其他组相比，G6中CD8+T细胞中细胞毒性基因的总体表达较低。作者发现具有不同TME免疫亚型的肿瘤会利用不同的免疫逃逸途径如PDL1/2-PDCD1和CD47-SIRPA轴的上调（图6D）。以上研究结果为指导针对不同患者群体的免疫治疗开发提供有价值的见解。
图6 潜在免疫逃避机制表征分析
7.空间转录组和单细胞转录组联合分析
考虑到TME内B细胞高度依赖于三级淋巴结构（TLSs）的存在，作者整合CRC样本的空间转录组学数据。结果表明，G6的特征基因与12个TLS经典标记的特征共定位（图7A）。生存分析证实了G6特征基因与更长的总生存之间的正相关（图7B）。接着作者评估了G6的标记基因作为TLS指标是否优于其他12个标记基因，并计算了TLS区域内和TLS区域外的特征得分。结果表明，G6的特征基因在区分TLS和非TLS区域方面表现最佳（图7C-E）。此外作者观察到G6患者中TNF+巨噬细胞的比例更高（图7F），即意味着TNF信号通路在G6中高度激活（图7G）。
图7 空间转录组和单细胞转录组联合分析
8.患者遗传风险基因转录分析
最后该团队为了探遗传调控的效应细胞类型，获得了所有CRC风险位点的定位基因。使用LAMBDA统计值来评估膨胀偏差，其中在成纤维细胞和内皮细胞中观察到与预期分布最大的膨胀偏差（图8A-B）。另外基于对风险基因表达水平的评估，作者推断大多数风险基因可能通过影响一种或几种特定的细胞类型而与CRC易感性相关（图8C）。而COL4A2在癌组织中的上调主要出现在癌间质中也证实了上述观点（图8D）。此外在成纤维细胞中表现出差异表达的风险基因与EMT相关，与ECs相关的风险基因在细胞外基质组织和PDGFB信号传导中富集（图8E）。总的来说，上述结果为与CRC易感性相关的基因的细胞机制提供了重要的见解。
图8 患者遗传风险基因转录分析
文章小结
作者整合公共数据集获取了CRC患者的单细胞基因表达谱，全面探讨了单细胞表征的复杂方法。本文贡献在于描绘了人类结直肠组织不同生理、病理状态下包括细胞组成和基因表达特征在内的单细胞转录组图谱，为解析结直肠癌的细胞和分子机制提供了新的见解。基于肿瘤微环境异质性建立的病人分型，为结直肠癌个性化免疫治疗提供了理论基础。创新点就问小伙伴掌握好了吗，NC可遇不可求，真是不要太香。当然肯定有小伙伴囊中羞涩，一时间没法更新电脑配置，无法满足大批量样本分析需求的，可以联系老方哦，我能提供服务器分析服务，助力拿下毕业神刊~
原文信息：Chu X ,Li X ,Zhang Y , et al.Integrative single-cell analysis of human colorectal cancer reveals patient stratification with distinct immune evasion mechanisms.[J].Nature cancer,2024,(prepublish):1-18.
老方有话说
老方会持续为大家带来最新生信思路，并提供免费思路评估、付费方案设计、生信分析、实验项目实施等服务，感兴趣的朋友可以扫码咨询！
方案设计
生信分析
服务器租赁
往期推荐
1、给咱国产数据库赞一个！广西医科大学：CHARLS数据库+TyG+BMI，复杂关系探究思路请接收！关系理得清，8.5分轻松拿！
2、高分莫愁，多热点集结速上分！中南大学湘雅医院8分+SCI：孟德尔随机化+机器学习+单细胞，机制层层深扒！这个思路值得学习！
3、机器学习又整活儿了！中国医学科学院北京协和医学院9分+SCI：多组学+机器学习+泛癌，预后模型这么做，应用可真够广的！
