2023-01-12
轉(zhuan)眼2023伊始，但無(wu)論何時，科(ke)研實(shi)驗(yan)的(de)探索總(zong)是(shi)不(bu)可松懈，年(nian)關雖已將至，仍有(you)不(bu)少(shao)老師同學前來咨詢(xun)，大家跟(gen)隨單(dan)細胞(bao)的(de)浪(lang)潮(chao)測了不(bu)少(shao)單(dan)細胞(bao)樣(yang)本(ben)，在拿到數據之(zhi)后卻有(you)時陷入迷(mi)茫，不(bu)知(zhi)道做哪些挖掘可以解決自(zi)己想要(yao)說明的(de)問題。本(ben)章(zhang)專題將結合文(wen)獻和大家聊聊醫(yi)學腫(zhong)瘤領域單(dan)細胞(bao)中(zhong)常見的(de)分析以及(ji)結果闡述。
一、CNV分析 判斷(duan)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)惡性(xing)(xing)程度，區分惡性(xing)(xing)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)和非(fei)惡性(xing)(xing)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)也是(shi)腫(zhong)(zhong)(zhong)瘤(liu)(liu)研究(jiu)中的(de)關鍵問題之一。通(tong)常從(cong) scRNA-seq 數據(ju)中根據(ju)推斷(duan)的(de)拷(kao)貝數變化（CNV）可(ke)作為鑒別惡性(xing)(xing)腫(zhong)(zhong)(zhong)瘤(liu)(liu)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)的(de)依據(ju)。此(ci)外，通(tong)過評估細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)周期(qi)和細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)干性(xing)(xing)特(te)征可(ke)深入(ru)探究(jiu)腫(zhong)(zhong)(zhong)瘤(liu)(liu)內細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)表型異質性(xing)(xing)，追蹤其發生發展進(jin)程。單細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)CNV分析常常是(shi)作為基礎腫(zhong)(zhong)(zhong)瘤(liu)(liu)圖(tu)譜的(de)一個(ge)重(zhong)要補充，并承擔兩(liang)個(ge)主要功能(neng)：（1）預測(ce)腫(zhong)(zhong)(zhong)瘤(liu)(liu)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)；（2）對(dui)腫(zhong)(zhong)(zhong)瘤(liu)(liu)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)的(de)再分群；相較于基因表達量，CNV提供了一個(ge)全新的(de)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)分群視角(jiao)，以實(shi)現對(dui)腫(zhong)(zhong)(zhong)瘤(liu)(liu)細(xi)(xi)(xi)(xi)(xi)胞(bao)(bao)的(de)亞型研究(jiu)，甚或可(ke)以以此(ci)推測(ce)腫(zhong)(zhong)(zhong)瘤(liu)(liu)演化路徑。
二、腫瘤間細胞通訊分析 細胞(bao)通訊(xun)分(fen)(fen)析通過對細胞(bao)對的(de)(de)配(pei)受體表達量的(de)(de)量化和(he)分(fen)(fen)布(bu)檢驗(yan)，推測細胞(bao)之(zhi)間存在細胞(bao)互作的(de)(de)可能性。這種手段(duan)為剖析腫瘤(liu)微環境提供了(le)一個有力的(de)(de)工具。尤其是腫瘤(liu)微環境中的(de)(de)免疫反應、腫瘤(liu)生長和(he)免疫逃逸都受到配(pei)受體的(de)(de)調控，細胞(bao)通訊(xun)分(fen)(fen)析在其中的(de)(de)地位就更加凸(tu)顯了(le)。 上圖 C 中行表示具(ju)有細胞間通訊關(guan)系(xi)的ligand-receptor 對，列表示發生細胞通訊(xun)的細胞類型，圓圈大小表示顯(xian)著性(xing)水平(ping)，圓圈顏色越紅表示相互作用細胞基因的表達值越大。
三、擬時序分析 腫瘤的(de)發(fa)生(sheng)從來不(bu)是(shi)一下爆發(fa)的(de)，也是(shi)要經(jing)歷增殖分(fen)化過程才能形(xing)成多(duo)樣的(de)異質性結構(gou)，從腫瘤干細(xi)胞(bao)的(de)誕生(sheng)，到迫于機體壓(ya)力產生(sheng)各種各樣的(de)功能性改(gai)變，這個過程為解(jie)決腫瘤異質性、藥(yao)物(wu)靶(ba)點(dian)開發(fa)、關鍵基因(yin)挖(wa)掘(jue)也提(ti)供了很多(duo)思路擬時分(fen)析的(de)軟件選擇很多(duo)，例(li)如(ru)經(jing)典的(de)monocle，進行RNA速率分(fen)析的(de)scvelo等，究其本質都是(shi)以基因(yin)的(de)表(biao)達(da)量變化去預(yu)測細(xi)胞(bao)的(de)演(yan)化路徑。
四、SCENIC 分析 組(zu)織內(nei)細(xi)(xi)胞異質性(xing)的(de)(de)(de)(de)基(ji)礎(chu)是(shi)細(xi)(xi)胞轉(zhuan)(zhuan)錄(lu)(lu)狀態的(de)(de)(de)(de)差導(dao)(dao)，轉(zhuan)(zhuan)錄(lu)(lu)狀態的(de)(de)(de)(de)特(te)要性(xing)又是(shi)由(you)轉(zhuan)(zhuan)錄(lu)(lu)因(yin)子(zi)主導(dao)(dao)的(de)(de)(de)(de)基(ji)內(nei)調控網(wang)絡（GRNs）決(jue)定并(bing)維持穩定的(de)(de)(de)(de)，SCENIC是(shi)一種專為單(dan)細(xi)(xi)胞教(jiao)情開發的(de)(de)(de)(de)CRNS算(suan)湊，它的(de)(de)(de)(de)創(chuang)新之處在(zai)(zai)干引入了轉(zhuan)(zhuan)錄(lu)(lu)因(yin)子(zi)mou序列驗(yan)證統計學方(fang)法維斷(duan)的(de)(de)(de)(de)基(ji)因(yin)共羨達網(wang)絡，從而識別(bie)高可靠性(xing)的(de)(de)(de)(de)由(you)轉(zhuan)(zhuan)錄(lu)(lu)因(yin)子(zi)上導(dao)(dao)的(de)(de)(de)(de)GRNS.。基(ji)于單(dan)細(xi)(xi)胞水平的(de)(de)(de)(de)基(ji)因(yin)表達數據，通過SCENIC分析可以有效(xiao)識別(bie)腫瘤相關(guan)的(de)(de)(de)(de)轉(zhuan)(zhuan)因(yin)子(zi)與潛(qian)在(zai)(zai)靶基(ji)因(yin)之間的(de)(de)(de)(de)共同表達模塊(kuai)(regulon)。 上圖(tu)為 8074 個巨噬細(xi)胞中轉錄模塊表(biao)達(da)(da)調(diao)控的(de) AUC 評(ping)分熱(re)圖(tu)，其(qi)中有 5個轉錄表(biao)達(da)(da)模塊在(zai)腫瘤和非惡性肺(fei)源(yuan)性巨噬細(xi)胞之間表(biao)達(da)(da)調(diao)控估計值差異較大，則表(biao)明(ming)其(qi)在(zai)非惡性肺(fei)源(yuan)性巨噬細(xi)胞和腫瘤之間顯著差異表(biao)達(da)(da)。
以上(shang)四個(ge)分(fen)析點是腫(zhong)瘤研究中最常見的(de)(de)，當然(ran)其(qi)他的(de)(de)分(fen)析點，例如生存(cun)預后(hou)分(fen)析、WGCNA等也(ye)在(zai)文章中有(you)不(bu)少應(ying)用(yong)，只是出現頻(pin)率(lv)相對比較低。除(chu)此(ci)以外，多組學也(ye)是一個(ge)不(bu)錯的(de)(de)延展方向，例如單細(xi)胞(bao)轉(zhuan)錄(lu)組配合普通轉(zhuan)錄(lu)組或者(zhe)atac等在(zai)此(ci)因為篇幅我們(men)暫不(bu)做詳細(xi)的(de)(de)展開。在(zai)后(hou)續(xu)的(de)(de)腫(zhong)瘤專題(ti)中，我們(men)也(ye)會(hui)針對一些實時熱門領域(yu)做詳細(xi)介紹。
