文章标题:《Single-cell RNA sequencing highlights the role of inflammatory cancer-associated fibroblasts in bladder urothelial carcinoma》
发表日期和杂志:2020年发表在Nature Communications上
在线阅读链接:https://doi.org/10.1038/s41467-020-18916-5
通过对8个膀胱癌肿瘤样本和3个肿瘤旁样本进行单细胞RNA测序,对来自膀胱尿路上皮癌或癌旁粘膜样品的52721个单细胞的转录组进行了分析,并制作了膀胱癌症组织内整个TME的图谱。
数据链接是:https://www.ncbi.nlm.nih.gov/bioproject/?term=PRJNA662018
文章给的单细胞RNA测序数据可在GSA Human中获得,登录代码为HRA00212,在BioProject PRJNA662018下的SRA数据集中获得。一共是11个数据集,需要下载下来整理归纳为标准的10X单细胞数据格式进行读取。
具体单细胞上游处理过程可以参考——小鼠的5个样品的10x技术单细胞转录组上游定量
将数据整理成标准格式之后,导入到Rstudio里面进行后续的单细胞数据分析流程:
###### step1:导入数据 ######
rm(list=ls())
options(stringsAsFactors = F)
samples=list.files('matrix/')
samples
sceList = lapply(samples,function(pro){
#pro=samples[1]
folder=file.path('matrix',pro)
print(pro)
print(folder)
print(list.files(folder))
sce=CreateSeuratObject(counts = Read10X(folder),
project = pro )
return(sce)
})
names(sceList)
samples
names(sceList) = samples
sceList
sce.all <- merge(sceList[[1]], y= sceList[ -1 ] ,
add.cell.ids=samples)
as.data.frame(sce.all@assays$RNA@counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all@meta.data$orig.ident)
后面就是标准分析啦,对读取进来的数据进行质控、harmony整合以及细分亚群等。
文章中综合数据的tSNE聚类分析,展示了所有scRNA-seq数据的聚类分群情况。
通过BioinfoArk提供的中国区chatGPT查询到各个细分亚群的解释:
对髓系细胞重聚鉴定出7种细胞类型:
发现单核细胞主要来源于正常粘膜组织,而TAM在膀胱癌组织中富集。
文章对对单核细胞和TAMs进行了轨迹分析和RNA速度分析
该文章研究发现在膀胱癌微环境中鉴定了19种不同的细胞类型,表明肿瘤内的高度异质性。确定了膀胱尿路上皮癌中细胞亚群的表达谱,并证实了这些肿瘤相关亚群的特征。
文章中还发现肿瘤细胞下调MHC-II分子,表明癌细胞免疫原性下调可能有助于形成免疫抑制微环境。以及单核细胞在肿瘤区域发生M2极化并分化,LAMP3 + DC亚群可能能够募集调节性T细胞,可能参与免疫抑制性TME的形成。通过使用包含3000多个BC样本的公共数据集进行相关分析,确定了炎症性癌症相关成纤维细胞(iCAFs)在肿瘤进展中的作用,这与不良预后显著相关。
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有