Nature子刊：490万个单细胞数据揭示肿瘤微环境全景图
Nature子刊：490万个单细胞数据揭示肿瘤微环境全景图
最近，有几位老师在完成单细胞数据分析后，对某个基因在特定癌症类型或细胞类型中的表达情况产生了兴趣，希望能够快速直接从泛癌数据集中提取相关信息。例如，他们可能想知道PDCD1基因在CD8+ T细胞中的表达情况。通常，这需要在公共数据集中筛选相关细胞类型和癌症类型，然后获取表达谱，最后进行各种绘图展示。虽然这种方法可行，但比较耗时。
幸运的是，在收集泛癌数据时，我们发现了一篇2024年的研究论文，该研究整合了490万个单细胞转录组数据，涵盖了30种癌症类型，构建了一个全面的肿瘤-正常生态系统图谱。更重要的是，该研究提供了处理后的数据下载，下载后经过简单处理就能直接使用，这为客户快速验证基因表达、跨癌症类型比较、支持实验设计和假设验证等提供了很大的便利性。
研究背景与目的
肿瘤微环境的复杂性在癌症治疗中带来了重大挑战。为了全面调查肿瘤-正常生态系统，研究团队整合分析了来自1070例肿瘤和493例正常样本的490万单细胞转录组数据。同时，研究还结合了全癌种137个空间转录组学数据、8887个TCGA样本和1261个使用检查点抑制剂治疗的肿瘤样本。研究团队定义了组成肿瘤-正常生态系统的多种细胞状态，并鉴定了不同细胞类型和器官的标志性基因特征。
研究方法与技术
研究团队采用了非负矩阵分解（NMF）和UMAP可视化技术，成功解析了不同细胞状态的空间分布和相互作用。通过这些技术，研究人员能够更清晰地理解肿瘤微环境中各种细胞类型之间的关系。
关键发现
1. 大规模单细胞图谱构建
研究团队整合了490万个单细胞转录组数据，涵盖了30种癌症类型，构建了一个全面的肿瘤-正常生态系统图谱。通过非负矩阵分解（NMF）和UMAP可视化技术，研究人员成功解析了不同细胞状态的空间分布和相互作用。
2. 关键细胞状态与免疫治疗响应
研究发现，干扰素富集的细胞状态（如三级淋巴结构TLS）在免疫治疗中表现出显著的响应差异。特别是，TLS成分（如CCL19+成纤维细胞和LAMP3+树突状细胞）在免疫治疗有效的患者中显著富集，这为预测免疫治疗疗效提供了新的生物标志物。
3. 肿瘤微环境的异质性
研究揭示了肿瘤微环境中炎症性成纤维细胞的异质性，例如AKR1C1+和WNT5A+成纤维细胞在器官分配、组织偏好和空间共定位模式上的显著差异。这些发现为靶向肿瘤微环境的治疗策略提供了新的思路。
4. 跨癌症类型的通用标志基因
研究团队通过AND-gating算法，系统鉴定了肿瘤和正常组织中差异表达的标志基因。例如，CD8+ T细胞在肿瘤中普遍上调了免疫检查点基因。
研究意义
这项研究对肿瘤微环境的系统性解剖为理解肿瘤内外异质性提供了更深的见解。通过构建大规模单细胞图谱，研究团队不仅揭示了肿瘤微环境的复杂性，还发现了多个潜在的治疗靶点和生物标志物。这些发现将有助于开发更精准的癌症治疗方法，为癌症患者带来更好的治疗效果。