文章概述
2024年8月，四川大学的郭安源教授团队在《iMeta》期刊上发表了题为"TCellSI: A novel method for T cell state assessment and its applications in immune environment prediction"的文章，开发了一种基于Mann-Whitney U检验的评分工具，称为T细胞状态识别器（TCellSI）。TCellSI能够根据转录组数据评估八种不同的T细胞状态———静止、调节、增殖、辅助、细胞毒性、前体耗竭、终末耗竭和衰老，得出的T细胞状态评分（TCSS）可以进一步用于免疫治疗反应的预测。
文章内容
1.TCellSI方法概述
本文使用了来自20个数据集的379个T细胞系、34730个单细胞、4477个伪bulk样本、33种肿瘤类型的10535的肿瘤样本、20种组织类型的7862个正常样本、674个免疫治疗的样本和884个病毒感染的非肿瘤患者的外周血样本。
图1：T细胞状态标识别器（TCellSI）的工作流程
TCellSI能够评估三种主要的T细胞状态：静息、活化和抑制。这些状态进一步分为八种特定状态：静止、调节、增殖、辅助、细胞毒性、前体耗竭、终末耗竭和衰老。通过整合文献调研、T细胞单细胞数据、机器学习算法的结果，得到了代表不同T细胞状态的8个标记基因集，以转录组数据作为输入即可评估8种不同的T细胞状态评分（TCSS）。
图1：T细胞状态标识别器（TCellSI）的工作流程
R包：https://github. com/GuoBioinfoLab/TCellSI/
在线网站：https://guolab.wchscu.cn/TCellSI/
2.用scRNA-seq数据生成的模拟数据评估TCellSI
用TCellSI算法来分析使用肝细胞癌（GSE98638）患者的外周血、肿瘤及邻近正常组织的单细胞数据生成的伪bulk RNA-seq数据，包括5063个T细胞，14种不同的T细胞类型，包括效应T细胞(Teff)、终末分化效应记忆T细胞(Temra)、幼稚T细胞(Tn)、Tcm、Tem、耗竭T细胞(Tex)、辅助性T细胞1型(Th1)、辅助性T细胞17型(Th17)、Tfh(滤泡性辅助性T细胞)、增殖性T细胞(Tprolif)和调节性T细胞(Treg)。图2A展示了TCellSI评估的8种T细胞状态在不同T细胞类型中的评分。
图2：用scRNA-seq数据生成的模拟数据评估T细胞状态识别器(TCellSI)
图2B显示了每种T细胞亚型的伪bulk RNA-seq数据的主要TCSS的比例分布。
图2：用scRNA-seq数据生成的模拟数据评估T细胞状态识别器(TCellSI)
图3使用GSE108989数据（11138个T细胞，16种T细胞类型）进行了相似的验证。
图3：用T细胞伪bulk数据评估T细胞状态识别器(TCellSI)
3.多种bulk RNA-seq数据评估TCellSI
接下来作者使用的第一组bulk数据是133个经过流式纯化的14种T细胞类型的样本得到的bulk RNA-seq。
图4：使用多种bulk RNA-seq数据验证T细胞状态识别器（TCellSI）
第二组bulk数据是为了证明TCSS的普适性收集并分析的368名健康个体和516名新冠肺炎患者的血液样本数据。
第三组bulk数据是124个纯化的T细胞（衰老/非衰老）数据，比较了衰老TCSS、p16和p21基因表达和CS评分（根据1259个基因计算的细胞衰老评分）在识别衰老细胞方面的能力。
图4：使用多种bulk RNA-seq数据验证T细胞状态识别器（TCellSI）
4.TCellSI算出的TCSS对免疫检查点阻断（ICB）治疗
从14个数据集的五种肿瘤类型中收集了674个接受抗PD-1疗法、抗PD-L1疗法、抗CTLA-4疗法或不同疗法组合的样本，通过细胞毒性、辅助、增殖和终末耗竭这四个效应性TCSS指标进行探索。
图5：T细胞状态评分（TCSS）与免疫检查点阻断（ICB）治疗
5.泛癌背景下TCSS的免疫学特征和意义
使用ESTIMATE算法对恶性肿瘤组织中的基质和免疫细胞进行了分析，以评估TCGA中33种肿瘤类型的免疫评分（免疫细胞的比例）和肿瘤纯度（肿瘤细胞的比例）。通过计算超过9800个肿瘤样品的四个效应TCSS与免疫评分通常呈正相关，与肿瘤纯度呈负相关（图6A）。
图6：泛癌背景下T细胞状态评分（TCSS）的免疫学特征和预后意义
图6B用了另外三种评估免疫活性的方法（ImmuCellAI计算的InfiltrationScore、ImmPort得出的Antitumor pathway levels、Bagaev等人提出的功能基因表达特征Fges，后面两种是通过ssGSEA计算的）。
在泛癌中，细胞毒性TCSS升高的患者的InfiltrationScore往往较高。大多数ImmPort的Antitumor pathway levels（抗原加工和呈递、抗微生物剂、B细胞受体信号通路、趋化因子及其受体、细胞因子及其受体、白细胞介素及其受体、自然杀伤(NK)细胞毒性、T细胞受体信号通路和肿瘤坏死因子(TNF)家族成员及其受体）的活性与细胞毒性TCSS正相关。此外，包括抗原加工、细胞毒性T和NK细胞、B细胞、抗肿瘤微环境和检查点抑制在内的Fges与细胞毒性TCSS正相关。
最后Kaplan-Meier曲线显示细胞毒性TCSS与多种肿瘤的OS显著相关（图6C）。
文章局限
1.T细胞状态的划分不是特别详细，其分类需要更详细的研究。
2.TCSS在应用于scRNA-seq数据时的准确性有待验证。
点评
TCellSI的效果在多种bulk数据集上进行了验证，证明了其在表征T细胞状态方面的准确性，将T细胞状态与患者预后和对免疫治疗的反应相关联，为理解免疫微环境提供了一个非常好用且方便的工具。但考虑到单细胞测序的深度和数据稀疏性，在scRNA-seq数据中定义不同状态的T细胞仍需以人工注释为主，TCellSI或许能够提供一定的辅助作用。
文献链接：https://doi.org/10.1002/imt2.231
