都2024了，肿瘤纯测序还能发16分Nature子刊？复旦附属中山医院顾建英团队揭示肿瘤异质性，看这一篇就够了！- 大数跨境

都2024了，肿瘤纯测序还能发16分Nature子刊？复旦附属中山医院顾建英团队揭示肿瘤异质性，看这一篇就够了！

生信日报

2024-03-30

在肿瘤研究领域，单细胞RNA测序（scRNA-seq）和空间转录组学都扮演着重要的角色，为研究人员提供了更深入的了解肿瘤起源、发展和治疗的机会。综合运用这两项技术有助于我们更深入地探索肿瘤的分子特征、细胞亚群的变化、免疫反应以及药物在肿瘤组织中的作用。

小记者最近在Nature Communications挖到了一篇优秀的研究论文。该研究首先引人关注的是选题角度，立足于肢端黑色素瘤这一少见且预后不佳的肿瘤类型，研究其早期转移机制（ps 小记者潜意识的快速检查了一下自己的手脚有没有类似病变，哈哈，小伙伴们平时也要多观察哦！）。研究团队采用了热门的单细胞多组学技术，全面揭示了肿瘤的异质性和微环境的构成。研究结果得到了多角度的验证，包括公共数据库、实验验证和临床样本检验等。此外，研究方法丰富全面，采用了单细胞RNA测序、空间转录组学和动物模型等多种实验技术手段。总的来说，这篇文章的选题具有前瞻性，技术方法多样，数据量丰富，角度出发新颖，是一篇值得小伙伴们深入学习的文章。小记者这就带大家一起仔细看看吧！(ps：小伙伴的科研过程如果进展未半，而中道崩殂，立马来找小记者帮你与文章再续前缘，贴心服务一直在做，我在等风，也在等你~)

l题目：通过整合单细胞和空间转录组学分析描述肢端黑色素瘤的早期传播机制

l期刊：Nature Communications

l影响因子：IF=16.6

l发表时间：2023年12月

研究背景

肢端黑色素瘤(AM)是一种罕见的黑色素瘤亚型，其特点是淋巴结(LN)转移的发生率高，是肿瘤传播和治疗决策的关键因素。研究团队采用单细胞和空间转录组分析来研究早期AM传播的动态演变。揭示了AM在肿瘤间和肿瘤内的异质性，以及高度免疫抑制的肿瘤微环境和复杂的细胞间通讯网络，特别是在淋巴结转移患者中。通过全面的数据集分析，增强了对AM中LN转移的理解，并为早期AM传播管理的潜在治疗靶点提供了见解。

研究思路

数据来源

该文的原始序列数据已存放在中国科学院国家生物信息中心/北京基因组研究所国家基因组学数据中心(Nucleic Acids Res 2022)基因组序列档案(Genomics, Proteomics & Bioinformatics 2021)中，登录号为HRA004456，可供公众查阅。

其中公共数据集分析：1. Li等人的数据集(包括4个AM样本)源于GSE189889检索获得。2. 从GSE162682中检索26份主要是RNA-seq数据-AM样本。使用3. GRCh38参考注释文件见：[https://cf.10xgenomics.com/supp/cell-exp/refdata-gex-GRCh38-2020-A.tar.gz].

通过以上文件对原始测序读数进行映射、注释和定量。

主要结果

1.AM单细胞转录组图谱

为了全面表征AM的生态系统，团队收集了12例患者的原发肿瘤组织进行scRNA-seq，其中6例有LN转移(LN+ AM)， 6例没有(LNAM)(图1a)。共获得52,382个细胞、30,097个基因的聚合基因表达矩阵。获得了38个不同的细胞簇，并通过均匀流形近似和投影(UMAP)图作可视化(图1b )。使用无监督的全局聚类相似性矩阵将这38个聚类分类到相应的元聚类中(图1c)。结果证实，每种细胞类型都以高特异性表达其已知的标记基因(图1d, e)。几乎在每个患者中都检测到这13种细胞类型，然而其内在比例差异很大(图1f )。总的来说，AM表现出高度的异质性，仅看总免疫细胞的比例不能简化对“免疫-冷”特征的评估。

图1AM生态系统的单细胞特征

2.空间转录组显示了一种“冷”的TME

作者使用基于条件自回归的去卷积(CARD)算法将斑点划分为肿瘤区域和非肿瘤区域(图2a)。在肿瘤区域，研究团队得到了6个CNV水平有显著差异的簇，这些簇构成了不同患者的斑点(图2b，c)，在非肿瘤区，获得了五个簇(图2d，e)。这些结果表明肿瘤区域具有高度的肿瘤间异质性。然而，微小的差异可能归因于为测序而获得的不同区域，免疫细胞主要聚集在非肿瘤区域，但在肿瘤区域明显减少(图2f）。LN+AM的肿瘤系统中渗透的免疫细胞比LNAM的少(图2g)。因此，AM表现为“冷”的TME，尤其是在有LN转移的患者中更明显。

图2空间转录组提示AM存在“冷”的TME

3.单细胞水平上黑色素瘤细胞的高度异质性

划分的亚群具有独特的基因表达模式和生物学功能，其比例在患者之间差异很大，表明肿瘤内和肿瘤间的异质性很高(图3a，b）。随后作者描述了五种黑色素瘤亚群的特征。LN+ AM中总黑色素瘤细胞以及每个亚群的CNV水平明显高于LNAM(图3c)，作者又对这些亚群采用了SCENIC分析(图3d)。然后绘制了这些黑色素瘤亚群的伪时间轨迹(图3e, f）。第一阶段主要由CXCL10+ MEL和TMSB4X+ MEL亚簇组成(65.3%)，并表达高水平的免疫相关分子，如CCL2、C1R和STAT3(图3g)。这些结果突出了肿瘤细胞在AM生态系统中所起的多方面作用。

图3 不同AM亚簇的功能和进化轨迹

4.MYC+MEL细胞的活化脂肪酸代谢途径

与LNAM相比，LN+AM中MYC+MEL（MYC+黑色素瘤）簇显著增加，提示MYC+MEL在LN转移中起关键作用(图4a)，作者发现EPHX1、GAPDHS和HSP90AA1多个基因，在MYC+MEL亚簇中升高(图4b)。此外，与脂肪酸代谢相关的基因集在MYC+MEL亚簇中丰富(图4C)。考虑到LN转移需要向FAO16的代谢转移，所以研究团队推测在MYC+MEL细胞中观察到的FAO通路的过度激活可能与LN转移有关。

图4 接受或不接受辅助化疗的配对患者DLRS与DFS的关系

5.LN+AM患者抗肿瘤免疫功能受损

研究团队总共提取了13,521个免疫细胞，并重新分组为18个亚群(图5a-c)。为了破译这些亚群，又进行了GSVA分析，观察到多种免疫调节途径，包括干扰素-α/γ反应和IL2/STAT5信号，在CD8+T亚群中富含(图5d) 。随后，作者展示了所选的基因来描述它们的生物学功能(图5e)。此外，团队进一步使用了RNA速度分析，以研究这些亚簇的正在进行的过程(图5f)。使用已发表的细胞毒性和细胞毒性标记，结果观察到CXCL13+CD8+T和FGFBP2+NKT细胞分别具有最高的细胞毒性和细胞毒性分数(图5g)。提示FGFBP2+NKT细胞减少与AM的LN转移密切相关。

图5 LN+AM中FGFBP2+NKT细胞减少

6.肿瘤相关成纤维细胞促进血管生成

总共10,148个基质细胞被重新分布到13个亚群中，分别为癌症相关成纤维细胞(CAF)、肌肉细胞(MC)、表皮细胞和内皮细胞(图6a，b)。与MC相似，高表达THY1、ACTA2和TAGLN的THY1+CAF被命名为myoCAFs。结果发现，在LN+AM中，这些iCAF亚簇上调，myoCAF和MCs亚簇减少(图6c，d)。值得注意的是，血管生成途径在所有CAF亚群中都是丰富的(图6e)。使用ST-SEQ数据，发现内皮细胞和成纤维细胞显著共存，呈现出良好的空间一致性(图6g)。Pearson相关分析显示内皮细胞评分与CAF评分呈正相关，重要的是LN+AM组的相关系数较高(图6h)。最后进行多重IHC分析，发现CAF通常与内皮细胞一起出现，并包裹在它们周围形成纤维血管壁(图6i)。这些结果表明，CAF促进血管生成并形成纤维血管肿瘤，从而促进AM的早期扩散。

图6 AM间质间质内的纤维血管壁

7.相互交杂的细胞间通信

在CellChat分析检测到的AM生态系统中，细胞间通信是广泛而复杂的(图8a），黑色素瘤和基质细胞主要作为发送者，因为它们具有较高的向外相互作用强度，而免疫细胞主要作为接收者，因为它们具有较高的传入相互作用强度(图8b)。与LN−AM相比，LN+AM中CLEC通路的激活显著减少(图8c)。LN+AM中CLEC通路活性降低可能导致NK细胞和NKT细胞减少。通过观察Galectin信号通路网络，该通路在LN+AM中显著被激活(图8d)。综上结果表明，特定的细胞间通讯有可能形成AM独特的TME。

图7 AM中的细胞间通信网络

文章小结

该研究基于免疫和肿瘤表型的角度，全面且深入的分析使大家能更好地了解LN+AM和LN−AM患者之间肿瘤生态系统的异质性。该结果有助于更深入地了解与LN转移相关的机制，同时对致力于开发更有效的治疗靶点和生物标志物来检测AM患者的LN转移的研究团队来说，既具有参考价值。这么赞的文章，还不点个收藏，细细品味？另外小记者也可以像该研究一样，提供全方位的生信分析，为你的SCI之路保驾护航！面面俱到，只等你来~