疾病分型的分析思路如何玩出新花样？可以考虑从“肿瘤微环境”切入！联合单细胞直接拿

2023-02-25 19:00 作者:尔云间 0人读过 | 我要投稿

肿瘤微环境（TME）的生信分析思路有哪些？

免疫浸润？免疫评分？间质评分？

基于TME的疾病分型思路你见过吗？

如果导师让你设计个肿瘤微环境（TME）的课题思路，TME的成分那么多，又没有任何前期基础，你会怎么做？

查文献，喜欢哪个方向就设计哪个？

靠热点，哪个方向最热门就设计哪个？

求大神，大神建议做哪个就设计哪个？

这些方法都有些无的放矢。

小云这还有一条妙计，就是做生信分析！

这时候你可能要嘲讽小云：你这大概是职业病吧？

看来不拿出点实证，是无法说服你的~

既然如此，小云今天带你看这篇8分+的纯生信文章，思路新颖，值得一看！

题目：转录组和单细胞分析揭示了免疫抑制微环境对促进胶质母细胞瘤进展的贡献

杂志：Frontiers in immunology

影响因子：8.786

发表时间：2023年1月

研究思路

首先确定了五种GBM进展相关途径。从TCGA-GBM和CGGA队列基因共生存、高危组和低危组的DEGs、IDH1突变与野生型相比的DEGs三个角度对获得的基因集进行功能富集分析，确定了与GBM患者预后不良显著相关的5个途径。其次，根据TME分型相关特征矩阵的表达特点，将GBM患者分为不同亚型。采用WGCNA分析得到共表达基因模块。最后在单细胞数据集中验证了从免疫抑制亚型功能模块中检索到的关键基因的表达，并确定了与TME亚型显著相关的细胞类型，计算细胞-细胞相互作用。

主要研究结果

1. 细胞因子-细胞因子受体相互作用是GBM的主要危险因素

对TCGA-GBM队列中所有表达基因进行单因素Cox回归分析，在TCGA-GBM队列基因中发现了1264个与生存相关的基因，在CGGA队列中发现了2681个与生存相关的基因。在两个数据集中，有86个基因与生存相关(图1A)，对这些基因进行KEGG通路富集(图1B)。

通过LASSO回归筛选出8个基因建立风险模型，高危组患者预后较低危组患者差(图1C)。ROC曲线AUC说明风险模型具有较高的预测能力(图1D)。分析高危组和低危组之间的差异表达基因(DEGs)，并进行通路分析，其中细胞因子-细胞因子受体相互作用显著富集(图1E)。同样在IDH1突变和野生型患者之间得到类似结果 (图1F)。

图1. GBM进展相关途径分析

2. 鉴定GBM免疫抑制亚型

对肿瘤微环境(TME)进行分类，构建了代表肿瘤主要功能成分和免疫、基质和其他细胞群的基因表达签名(GES)。根据所选GES在TCGA-GBM数据集中的表达活性，采用层次聚类方法将患者分为4个亚型。根据肿瘤杀伤细胞浸润情况和肿瘤进展特征，将这些亚型定义为肿瘤进展(P)、免疫浸润(IE)和两者同时表达(P/IE)(图2A)。P亚型中免疫抑制因子有较高表达(图2C)。绘制四种亚型中五种高频突变的分布(图2D)，IDH1突变均为IE型。分析P型细胞中抑制性ICBs的表达(图2E)。P亚型骨髓细胞浸润程度高，其他亚型淋巴细胞浸润程度高(图2F)。

图2. TCGA-GBM队列中的免疫抑制亚型

3. GBM亚型为异质功能基因模块

利用WGCNA算法构建共表达基因模块。计算模块基因和亚型之间的相关性(图3A)。模块7、5、18的基因在P亚型中高表达，模块1、13为IE/P2亚型，模块10为IE/P1亚型，模块15、8、11为IE亚型。对这些亚型特异性模块进行功能富集分析，绘制出每个模块中p值由小到大排列的前5个通路(图3B)。最后，将9个亚型特异性模块分为7个预后不良模块和2个预后良好模块(图3C)，共获得24个hub基因，主要位于M5和M7 (P亚型)。

进一步确定M5中排名前15位的hub基因，这些基因代表了彼此之间的top连接(图3E)。这15个hub基因特征与免疫治疗队列中较差的结果相关(图3F)。M5、M7和M15中的hub基因也是特定细胞类型的标记基因(图3D)。

图3.WGCNA共表达基因模块分析

4. 巨噬细胞和小胶质细胞参与GBM的促瘤基因模块

接下来，分析GBM单细胞数据集中9个亚型特异性模块基因（ssMSGs）的表达，计算ssMSGs在单细胞中的表达活性(图4A, B)。分析24个hub基因在细胞中的表达分布(图4C, D)。结果发现巨噬细胞调控M5，血管相关细胞参与M7, OPC细胞调节M15。使用cellphoneDB来计算GBM的相互作用网络(图4E, F)。

图4.单细胞RNA-Seq数据集中基因集表达活性和细胞-细胞相互作用

5. 巨噬细胞和小胶质细胞通过与Treg相互作用形成免疫抑制微环境

基于配体-受体对的表达，选择Tregs进行分析(图5A, B)。发现巨噬细胞和小胶质细胞可以通过粘附配体受体对ICAM1-IL2RG和ITGAM-ICAM2直接接触Treg，并鉴定出7个配体基因(图5C)。构建前15个hub基因与这些配体之间的调控网络（图5D）。SPI1可能是TNF的上游调控因子，GPSM3可能调控C3、CXCL3、CXCL16、CXCL2等一系列细胞因子和趋化因子的表达。