单细胞测序+基因signature，8+套路收入囊中！

单细胞基因signature套路

扫码立即咨询

GEO单细胞数据集

Bulk seq转录组数据集：TCGA+GEO

1、不同细胞亚群的识别（挑、圈）

在所有病变中对恶性细胞降维作UMAP图，按集群进行着色和标记。条形图显示按照治疗史分组的集群比例。将不同类细胞分门别类，也就是“圈”(A)。

再“挑”，确定集群定义基因的比例归一化表达的热图。(B) 

得到差异后，再“圈”，做富集分析

比较两个优势恶性细胞簇之间的单细胞signature得分分布的小提琴图和波谱图，按活检部位划分。同时展示差异性标志物富集的显著性。(C)

再做不同患者不同治疗方案的GSEA富集分析。(D)

做差异表达q值热图，比较不同治疗方案患者的每个簇内细胞。(E）

比较不同治疗方案患者每个簇内细胞差异表达q值热图。(F) 

2、差异分析、聚类、富集（挑、圈）

这一部分讨论免疫细胞的细胞状态特征。

(A-C)免疫细胞在GEO数据集中的表达分布。

(D-E) 免疫细胞状态的UMAP图，用颜色编码的CX3CR1和TOP2A的表达水平。(t-SNE，降维、聚类）

(F) 干扰素基因在七个集群中的差异性表达。

(G) 给定状态中差异表达基因的功能富集分析。

3、signature的筛选和验证

(A) 筛选signature的标准

(B）热图显示单细胞中TRS的表达。

(C）（左图）富集signature的GO term。(右图) 每个GO term涉及的基因(富集分析）

(D) 肿瘤反应性T细胞组（红色）和其他T细胞组的signature分数的分布。（肿瘤-非肿瘤差异表达）

(E）其他癌种的scRNA-seq数据集中T细胞状态的signature分数分布。（其他癌，差异表达验证）

(F) signature分数与公共数据库肿瘤样本中T细胞浸润比例的Spearman相关性。（相关性分析）

4、两种模型对患者TMB影响、突变情况展示（挑、圈）

与肿瘤反应性相关的富集途径和基因组畸变的综合特征。

(A）TCGA队列中signature的表达水平进行主成分分析。条形图显示患者的signature分数。

(B）火山图显示TCGA队列中高组和低组之间差异表达的基因。效应分子用蓝色标示，趋化因子用绿色标示。

(C) 条形图显示富含明显上调基因的功能基因组。

(D, E）在低组（D）和高组（E）中显示了前20个最频繁突变的基因。(F) 显示了两组之间有明显差异的突变基因。

(G) Boxplots显示高组和低组之间对数转换的肿瘤突变负担（TMB）的差异。(H) Boxplots显示高组和低组之间的肿瘤内异质性、伤口愈合、同源重组缺陷和Th17细胞得分的差异。

5、肿瘤细胞与间配体相互作用（联）

肿瘤细胞与免疫细胞的相互作用，也就是“联”，也是研究者们关注的热点之一。

肿瘤细胞表达了相对高水平的趋化因子和与抗原呈递和TGF-beta信号通路相关的配体，而相应的受体在免疫细胞中广泛表达，表明这些配体在影响肿瘤的免疫细胞浸润方面起着重要作用（A）。

相反，配体及其相关的促炎症细胞因子，以及与肿瘤坏死因子家族和细胞毒性有关的配体在免疫细胞中表达，也表明免疫细胞对肿瘤细胞有杀伤力（图3A）。

(B）展示了当肿瘤细胞作为发送者时，肿瘤细胞和CD8+T免疫细胞之间的重要配体-受体对的数量。每个链接都由肿瘤细胞状态着色，链接厚度代表重要的配体-受体对的数量。

(C）则相反，展示了当免疫细胞作为发送者时，肿瘤细胞和免疫细胞之间的重要配体-受体对的数量。每个环节都由免疫细胞的状态来着色。

6、预后评估（靠）

肿瘤中signature的预后评估。

(A) KM生存曲线显示，在TCGA-SKCM队列中，根据TRS评分的中位数对患者进行分层，生存概率有明显差异。

(B) 细化TRS的KM生存曲线分析。

(C) 森林图显示，在TCGA队列中，调整免疫细胞的浸润水平和临床特征后，TRS评分的独立预后价值。

(D) KM生存曲线显示signature与肿瘤患者的总生存期有明显关联。

(E-H）比较signature与免疫细胞浸润和已发表的肿瘤预后相关signature在患者分层（E）、时间依赖性AUC（F）、C-指数（G）和高风险组与低风险组之间限制性平均生存时间（RMST）比率方面的预后表现（H）。

E）中的颜色表示单变量Cox比例危险回归分析中特征的危险比，*表示根据相应的特征在生存概率方面对黑色素瘤患者进行的显著分层。

公共数据挖掘

个性化分析扫码咨询

参考文献：

1、Single-Cell Transcriptomic Analysis Reveals the Crosstalk Propensity Between the Tumor Intermediate State and the CD8+ T Exhausted State to be Associated with Clinical Benefits in Melanoma, Frontiers in Immunology. 2022 IF：8.79

2、Single-Cell Transcriptomic Analysis Reveals a Tumor-Reactive T Cell Signature Associated With Clinical Outcome and Immunotherapy Response In Melanoma, Frontiers in Immunology. 2022 IF：8.79

3、Identification of clinical prognostic features of esophageal cancer based on m6A regulators. Frontiers in Immunology. 2022 IF：8.79

4、Tumor and immune reprogramming during immunotherapy in advanced renal cell carcinoma. Cancer Cell. 2021 IF：38.59

—END—

撰文丨三叶虫

排版丨三叶虫

编辑丨三叶虫