单细胞+空间组学技术为癌症精准免疫治疗和耐药研究提供新契机 | 时空简讯第9期
时空简讯第9期。
综述
Review
肿瘤免疫学里程碑式综述：单细胞多组学助力癌症免疫治疗
Nature reviews clinical oncology [IF:66.675]
① 综述了单细胞转录组学、蛋白质组学、表观基因组学和基因组学技术在抗癌免疫治疗反应性和耐药性研究中的进展，以及多组学整合的分析方法和应用；
② 单个T细胞克隆型的分析是目前免疫领域的研究热点，与bulk T细胞受体（TCR）分析对比，论述了scTCR-seq在如克隆替代与克隆扩增、T细胞克隆表型在免疫治疗反应中的作用等免疫肿瘤学研究中的重要性；
③ 评估了单细胞空间分析的新兴技术，并重点关注在PD-1免疫治疗等免疫肿瘤学研究的适用性；
④ 展望单细胞技术的未来发展方向及其在进一步推进免疫肿瘤学领域中的应用，如全面推向所有癌症的免疫微环境和耐药研究、临床免疫治疗方法开发中应用单细胞技术、基于单细胞高维数据开发少数特征性标记物的临床应用技术等。（MR. Shao）
Applying high-dimensional single-cell technologies to the analysis of cancer immunotherapy.
2020.12.04, DOI: 10.1038/s41571-020-00449-x.
综述文章，Perspective，单细胞组学，免疫治疗，scTCR-seq，Satyen H. Gohil, J. Bryan Iorgulescu, David A. Braun, Kenneth J. Livak. Dana-Farber Cancer Institute, Harvard Medical School, USA，University College London Cancer Institute, UK.
肿瘤组织的转录空间分析: 免疫治疗时代的应用潜力和前景
Cancers [IF: 6.639]
① 肿瘤的空间异质性也挑战着免疫疗法的有效性，空间可视化肿瘤和微环境细胞群之间的相互作用，将提高我们对致病机制和潜在药物靶点的理解；
② 综述了原位杂交(FISH, Single-Molecule FISH、RNAscope)、数字空间剖分(Digital Spatial Profiling，DSP)和空间转录组等多种商业化的空间表达检测技术的原理、在癌症研究中的优缺点；
③ 综述了上述技术在癌症分子病理机制、癌症免疫治疗、辅助精准诊断研究中的应用情况、前景，空间组学应用于揭示致病机制、新靶点发现和辅助诊断有望提高诊疗精准度，针对肿瘤组织空间转录检测。（ZXY）
Transcriptional Spatial Profiling of Cancer Tissues in the Era of Immunotherapy: The Potential and Promise.
2020.09.09, DOI: 10.3390/cancers12092572.
综述，癌症，异质性，空间转录组学，原位杂交，生物标志物，免疫疗法，Sanjna Nilesh Nerurkar, Joe Poh Sheng Yeong, National University of Singapore, Singapore General Hospital, Agency of Science Technology and Research (A*STAR), Singapore
乳腺癌
Breast cancer
乳腺癌免疫微环境中成纤维细胞的构成、功能分化和预后预测价值
Nature communications [IF: 14.919]
① 癌症相关成纤维细胞（Cancer-associated fibroblasts，CAFs)是癌症免疫微环境的主要成分，MMTV-PyMT 鼠乳腺癌模型，FACS分选EpCAM−/CD45−/CD31−/NG2−细胞，Smart-seq2方法获得768个CAFs单细胞转录组，根据表达谱分成4个类群: 血管发育和血管生成相关的vCAFs（vascular CAFs）、富集基质相关基因的群体mCAFs（matrix CAFs）、富集细胞周期分化基因的cCAFs（cycling CAFs）以及组织发育和形态相关的dVAFs (developmental CAFs)；
② vCAFs起源于血管周围，mCAFs分化自常驻成纤维细胞，cCAFs是处于增殖中的vCAFs，dCAFs的表达模式与肿瘤上皮细胞相似；RNA-ISH、Immunostaining等发现这些细胞类群各自形成独立的组织实体；
③ 分析TCGA database公共数据发现，vCAFs和mCAFs的特征基因可在bulk RNAseq数据中检测到，并具有预后预测能力暨CAFs亚群构成和癌症预后有关。（LQ/孙明轩）
Spatially and functionally distinct subclasses of breast cancer-associated fifibroblasts revealed by single cell RNA sequencing.
2018.12.04, DOI：10.1038/s41467-018-07582-3.
研究文章，癌症，乳腺癌，鼠，单细胞转录组，Smart-seq2, TCGA, Michael Bartoschek, Kristian Pietras, BioCARE, Lund University, Sweden
HER2阳性乳腺癌细胞互作和病理相关的三级淋巴样结构
Nature Communications [IF: 14.919]
① 8个HER2阳性乳腺癌患者癌组织36张切片使用Spatial Transcriptomics (ST)技术进行基因空间和细胞类型研究；
② ST数据表达谱聚类注释和病理学分区比较表征病人个体内和个体间异质性，鉴定和比较了免疫和癌症表达簇的特征表达谱；
③ 整合scRNA-seq数据，绘制了肿瘤相关细胞空间组织定位图谱，鉴定到了三级淋巴样结构（TLS）并得到IHC和ISH验证，该结构的信号强度与整体存活率相关联；对其他类型的肿瘤分子表达图谱进行分析，同样发现了TLS；
④ 发现I型干扰素反应覆盖T细胞和巨噬细胞亚群共定位的重叠区域；
⑤ 构建了一个跨平台适用的预测模型来检测TLS，用不同的组织类型（发育性心脏病、类风湿性关节炎和黑色素瘤组织）测试也鉴定到了TLS；TCGA皮肤黑色素瘤bulk RNAseq数据测试表明，TLS信号轻度和患者预后正相关，有广谱诊断价值。（吴维建）
Single-Cell Transcriptomics Reveals Zone-Specific Alterations of Liver Sinusoidal Endothelial Cells in Cirrhosis.
2020.12.16, DOI: 10.1016/j.jcmgh.2020.12.007.
研究文章，人，癌症，乳腺癌，HER2阳性，三级淋巴结构，Spatial Transcriptomics, scRNAseq, Alma Andersson, Ludvig Larsson, Linnea Stenbeck, Joakim Lundeberg, KTH Royal Institute of Technology, Sweden
癌症治疗耐药发生的单细胞分子动力学机制
Nature communications [IF: 14.919]
① >1200 个MCF7细胞（敏感组，乳腺癌细胞）和>1900个去雌激素1年的、ESR1野生型MCF7细胞（Long-term oestrogen-deprived, LTED; 耐药组）scRNA-seq，表达谱聚类MCF7和LTED完全分开，可细分为五个簇（MCF7组两个，LTED组三个），主要由细胞周期的差异驱动区分，并验证已知受内分泌治疗（ET）影响的通路，如胆固醇生物合成通路；
② CD44是各种实体肿瘤中可塑细胞的标志，证实相比CD44low细胞，CD44high细胞具有高转录异质性，推测易在ET急性期生存逃逸进而导致治疗耐药；
③ 深入分析CD44high细胞的异质性和可变性，对CD44-GFP标记、ET急性治疗期的腔内乳腺癌细胞scRNA-seq，在CD44high细胞中鉴定到预适应细胞群(pre-adapted, PA)；
④ PA表现出上皮细胞和间充质细胞的混合特征，以及p53通路的上调、细胞极性（顶端连接成分）和缺氧，在急性治疗期持续存在且部分可产生耐药；PA特征性表达谱CTCs中存在；
⑤ 提出多步耐药发生模型：PA细胞是获得耐药性的必要步骤，同时仍需要大量的重新编程来实现完全耐药；ET治疗患者常见的延迟复发可能由类似过程介导，其中PA细胞被ET阻止长达10年以上。（刘卓雅）
Single-cell transcriptomics reveals multi-step adaptations to endocrine therapy.
2019.09.02, DOI: 10.1038/s41467-019-11721-9.
研究文章，人，癌症，乳腺癌，内分泌治疗，耐药，scRNA-seq, Sung Pil Hong, Iros Barozzi, Luca Magnani, Imperial College London, UK
乳腺癌组织病理学图像预测平均转录组和空间转录组
Cancer research [IF: 12.701]
① 以多组组织病理影像数据为输入、RNA-seq数据为响应输出，基于深度卷积神经网络模型（CNN），逐个基因优化CNN建立病理影像预测基因表达的模型，并通过额外数据进行模型验证，实实现从常规乳腺癌组织病理图像预测转录组表达（transcriptome-wide Expression-Morphology，EMO）；
② 评估了EMO对于Prosigna/PAM50等已建立的乳腺癌生物标志物检测中相关基因的预测性能；
③ Reactome数据库基因富集分析EMO预测中参与特定分子机制及通路的基因富集情况，进一步支持形态与基因表达模式相关假设；
④ 通过与空间转录组技术分析比较，表明EMO可通过常规HE染色切片图像、预测基于基因表达的增值评分，有助于探索肿瘤内基因表达异质性；
⑤ EMO提供了一种经济有效和可扩展的方法，从组织病理学图像预测肿瘤平均和肿瘤内空间表达，且有一定的临床应用和探索价值。（lyc）
Predicting Molecular Phenotypes from Histopathology Images: A Transcriptome- Wide Expression-Morphology Analysis in Breast Cancer.
2021.08.02, DOI: 10.1158/0008-5472.CAN-21-0482.
研究文章，乳腺癌，病理学，病理影像，基因表达，深度学习，空间转录组，Yinxi Wang, Kimmo Kartasalo, Pekka Ruusuvuori, Johan Hartman, Mattias Rantalainen, Karolinska Institutet, Sweden
卵巢癌
Ovarian cancer
SIO: 成像质谱流式和显微切割转录组整合分析卵巢癌肿瘤微环境和发现预后生物标志物
Cancers [IF:6.639]
① 针对高级别浆液性卵巢癌(High-grade serous ovarian cancer, HGSC) 患者的肿瘤微环境，开发了一种结合成像质谱流式细胞数据(IMC)、显微切割区域特异转录组和深度学习（Mask Region-based Convolutional Neural Network, Mask-R-CNN或MRCNN)的研究和分析流程（SpatioImageOmics，SIO），可以识别各种基质细胞、肿瘤细胞和免疫细胞的分布及其空间关系，探究细胞相互作用；
② 未治疗HGSC患者（n=41）的癌组织样本的IMC数据，21个蛋白靶标覆盖增殖、免疫细胞调节、以及上皮、基质、免疫和内皮谱系的标记物，MRCNN算法细胞区分后，注释分型、细胞互作分析，长期存活组LTS和短存活组STS比较T细胞、上皮细胞和癌症细胞组成的差异，鉴定预后预测特征；
③ 将IMC数据与26份微解剖肿瘤和间质转录组整合，以识别新的、调节患者存活率的信号网络机制，包括上皮细胞、癌症关联纤维化细胞（cancer-associated fifibroblast）、或内皮细胞介导的信号通路等；
④ 证明MRCNN算法适用于密集的、结构复杂的、具有小配置的广泛变化的IMC图像的细胞分割。（王倩倩）
SIO: A Spatioimageomics Pipeline to Identify Prognostic Biomarkers Associated with the Ovarian Tumor Microenvironment.
2021.04.08, DOI: 10.3390/cancers13081777.
研究文章，人，癌症，卵巢癌，肿瘤微环境，成像质谱流式，IMC，生物标志物，转录组，Ying Zhu, Sammy Ferri-Borgogno, Samuel C. Mok, Stephen T. C. Wong, Houston Methodist Hospital, The University of Texas MD Anderson Cancer Center, USA
前列腺癌
Prostate cancer
上海长海医院Nature Cell Biology：细胞亚型的转录重塑促进人类前列腺癌进展
Nature Cell Biology [IF: 28.824]
① 对13个组织样本scRNA-Seq绘制了单细胞转录图谱，并进行注释，注释为20个细胞亚群，包括有：上皮细胞、成纤维细胞、内皮细胞、肥大细胞、T细胞等；
② 对上皮细胞亚群进行分析，发现Cluster 10和Cluster 12这两种分子分型与前列腺患者的预后相关；
③ 根据标记基因的表达，在效应T细胞的两个聚类和调节性T细胞中发现了一种编码前列腺特异性抗原（PSA）的基因KLK3，同时分析了头颈部鳞状细胞癌(HNSCC)、非小细胞肺癌(NSCLC)、结肠直肠癌(CRC)和肝细胞癌(HCC)这四种癌症类型均在T细胞中发现了肿瘤标记基因的表达，这可能是浸润性T细胞转录组的一般特征；
④ 来源于前列腺癌细胞的细胞外囊泡可诱导T细胞表达KLK3,且KLK3的异位表达与微转移有关；
⑤ 利用scRNA-Seq分析了肿瘤微环境（TME）中的非免疫成分（成纤维细胞和内皮细胞），发现成纤维细胞(CAF)在前列腺癌发展中起着重要作用，且激活的成纤维细胞相关基因在内皮细胞中高度表达，将这类内皮细胞命名为aEC (activated endothelial cell, aEC)；aEC细胞亚群能够提升前列腺癌细胞的侵袭能力。（刘卓雅）
Single-cell analysis reveals transcriptomic remodellings in distinct cell types that contribute to human prostate cancer progression.
2021.01.08, DOI: 10.1038/s41556-020-00613-6.
研究文章，前列腺肿瘤单细胞，人，前列腺，空间转录组，单细胞转录组, Sujun Chen, Guanghui Zhu, Yue Yang, Fubo Wang, Jianhua Wang, Housheng Hansen He, Shancheng Ren, Princess Margaret Cancer Centre, University of Toronto，上海长海医院，中国，Canada
多重免疫荧光单细胞空间成像和转录组揭示前列腺癌MRI影像异质性分子机制
Clinical Cancer Research [IF: 12.531]
① 多参数MRI (mpMRI) 是诊断前列腺癌不可或缺的影像学工具，但约15% 具有临床意义的前列腺癌 (csPCa) mpMRI 无法显示，其分子、细胞和空间基础尚不清楚；
② 使用临床匹配的mpMRI不可见和可见csPCa患者的肿瘤组织，进行多重免疫荧光单细胞空间成像 (multiplex immunofluorescence, MxIF, 14 个蛋白标记物; 每组各7个)和基因表达谱分析 (HTG EdgeSeq Oncology Biomarker Panel, 2,549 基因；每组各8个)，并开发了基于人工智能的分析算法来整合数据分析肿瘤微生态；
③ 在mpMRI可见的csPCa中发现了更复杂和紧凑的上皮肿瘤结构；在mpMRI 不可见csPCa和正常前列腺组织之间检测到相似的基质模式（24个基因），可能导致了前者mpMRI 不可见；
④ 免疫细胞数量和肿瘤-免疫相互作用分析表明，无论mpMRI是否可见，恶性肿瘤组织中都缺乏免疫细胞浸润；
⑤ 在mpMRI可见和mpMRI不可见的csPCa间未检测到免疫谱的显著差异，但可鉴定到mpMRI不可见表达谱中的特征表达谱，具有强基质特征的csPCa患者（TCGA分析）表现出良好的生存结果。（刘传军）
Single-cell Spatial Proteomic Revelations on the Multiparametric MRI Heterogeneity of Clinically Significant Prostate Cancer.
2021.06.15, DOI：10.1158/1078-0432.CCR-20-4217.
研究文章，人，癌症，前列腺癌，MxIF，转录组，Russell K Pachynski, Eric H. Kim, Natalia Miheecheva, Ravshan Ataullakhanov, James J Hsieh, Washington University, BostonGene Corporation, USA
编辑/力强
推荐阅读
联系我们
对时空组学或单细胞组学整体解决方案感兴趣的老师，可选择以下方式和我们联系，我们将及时为您进行详细的介绍：
1. 在公众号留言；
2. 发送信息至邮箱：
collaboration@stereomics.com；
3. 点击页面左下方“阅读原文”登记信息。
点
“阅读原文”联系我们