单细胞肿瘤研究7种分析汇总 .pdfVIP

单细胞肿瘤研究7种分析汇总

单细胞测序技术在生命科学领域可谓是炙手可热的研究热点，其在肿瘤、免

疫和发育等研究领域已取得众多突破性进展。我们追溯目前单细胞转录组测序技

术在肿瘤研究中的分析应用，从肿瘤异质性和基因表达数据两方面入手主要总结

了七项分析内容：

肿瘤分析方向之异质性探索：

1、肿瘤微环境与肿瘤细胞异质性分析

细胞类型鉴定可以说是肿瘤微环境异质性研究中至关重要的一环。通过特定

的肿瘤微环境参考数据集，能够特异的鉴定到肿瘤微环境中的主要细胞类型，鉴

定结果更加准确、全面。在识别出肿瘤微环境中的特定细胞群后，还可进行亚克

隆鉴定，进行深入分析。

(Pengetal.2019)

上图为肿瘤微环境细胞类型注释结果在tSNE的聚类展示，图中的每个点代

表一个细胞，距离相近的细胞认为是同一类型细胞，不同的细胞类型以不同颜色

区分。从上图可知，在肿瘤微环境中共鉴定到10个不同的细胞群。

2、肿瘤细胞内表型异质性分析

判断细胞恶性程度，区分恶性细胞和非恶性细胞也是肿瘤研究中的关键问题

之一。通常从scRNA-seq数据中根据推断的拷贝数变化（CNV）可作为鉴别

恶性肿瘤细胞的依据。此外，通过评估细胞周期和细胞干性特征可深入探究肿瘤

内细胞表型异质性，追踪其发生发展进程。

(Tiroshetal.2016)

上图为单细胞CNV水平鉴定肿瘤恶性细胞的结果展示，根据CNV水平判

别出恶性细胞和非恶性细胞，并分别在不同样本间进行了聚类展示。

3、cNMF分析

细胞的基因表达模式受多种因素的影响，基因通过协同作用维持细胞类型特

有的生物学特征，而相互协同的基因作为基因表达模块（GEP）一起诱导或响应

内外部信号，执行复杂的细胞功能。功能基因模块可以出现在多个不同的细胞类

型中，而细胞类型基因模块代表一个单一的细胞类型，因此可利用这一事实来区

分细胞类型基因模块和功能基因模块。通过cNMF分析，可同时推断出细胞类

型相关和功能相关的GEPs，从而改进marker基因的推断，使得细胞类型鉴定

更加准确。

(Kotliaretal.n.d.)

上图表示脑类神经器官数据集的tSNE图，其中的表征细胞类型GEP的细

胞以不同颜色的无框圆表示，对于G1/S或G2/M活性GEP使用率大于10％

的细胞用黑框圆圈表示；对于缺氧GEP使用率大于10％的细胞以栗色框圆圈表

示。三个gep与许多不同且不相关的基因模块共同表达，表明它们代表了发生

在不同细胞类型上的功能基因模块。

肿瘤分析之基因表达数据探索：

4、肿瘤细胞间通讯分析

肿瘤微环境(TME)中肿瘤细胞与其他细胞之间的相互作用在肿瘤的进展、转

移和治疗耐药性中起着至关重要的作用。基于CellPhoneDB(Efremovaetal.

2019)的算法识别可靠的受体-配体相互作用。

(Elmentaiteetal.2020)

上图C中行表示具有细胞间通讯关系的ligand-receptor对，列表示发生

细胞通讯的细胞类型，圆圈大小表示显著性水平，圆圈颜色越红表示相互作用细

胞基因的表达值越大。

5、SCENIC分析

细胞类型一般是由转录因子（TFs）与其相应的靶基因共同协调相互作用来

维持。基于单细胞水平的基因表达数据，通过SCENIC(Aibaretal.2017)分析

可以有效识别肿瘤相关的转录因子与潜在靶基因之间的共同表达模块

（regulon）。

(Lambrechtsetal.2018)

上图为8074个巨噬细胞中转录模块表达调控的AUC评分热图，其中有5

个转录表达模块在肿瘤和非恶性肺源性巨噬细胞之间表达调控估计值差异较大，

则表明其在非恶性肺源性巨噬细胞和肿瘤之间显著差异表达。

6、肿瘤特征富集分析

基于已知基因集间的相对平均表达水平采用基因集变异分析（GSVA）可进

一步表征肿瘤内细胞特征。此外，肿瘤发生通常与血管生成、细胞周期、DNA损

伤和修复、上皮间质转化（EMT）、缺氧、炎症和侵袭等特征相关，通过