单细胞&空间组学如何关联？赶快上车（文末有彩蛋）|空间转录组专题

传统的转录组研究（bulk RNA-seq）聚焦组织器官整体，或特定类型的细胞及特定发育阶段的细胞群中产生的各类RNA（通常是mRNA）的类型和数量。单细胞测序技术的发展使得转录水平的检测达到了单细胞精度，可以借此精确分析特定细胞群中的细胞组分。

目前，单细胞测序主要基于组织细胞的解离操作，此过程会造成单细胞空间位置信息的丢失。而空间信息对揭示生命现象亦具有重要的意义，如胚胎发育过程中不同位置的细胞往往有不同的命运；此外，对于一些研究领域，如肿瘤生物学中的异质性研究，仅仅知道细胞组分是远远不够的，一个典型的例子是免疫细胞的浸润性。空间转录组（ST）技术的出现解决了这一问题。但目前市场上主流的空间技术如10x Visium，往往难以达到单细胞分辨率。

因此单细胞转录组测序与空间转录组测序联合分析是一个热门的研究方向，综合两种技术，可以得到单细胞的亚群分类，进而对这些细胞在空间进行定位，亦可对空间转录组的位置区域中的细胞类型进行注释，实现“双剑合璧”的效果。

下面的这些案例将进一步阐述如何联合两种技术解决生命科学问题，10x Visium技术主要基于spatial barcoding技术，因此下述联合分析方法主要的思路是反卷积分析（deconvolution）。

 
论文标题：Integrating single-cell and spatial transcriptomics to elucidate intercellular tissue dynamics
刊登时间：2021年10月
发表期刊：Nature reviews genetics

01

这篇综述文章回顾总结了单细胞转录组与空间组学技术联合分析方法。目前的整合方法大体可以分成两种主要方法，即反卷积（deconvolution）和映射（mapping）。

反卷积方法根据单细胞数据，从单个ST spot中转录的mRNA混合物分离出离散的细胞亚型。实现反卷积主要有两种思路，一是推断一个特定ST spot中的细胞亚型比例，二是对一个特定的ST spot进行打分已确定其和单个细胞亚型的对应程度。

基于推断方式的反卷积方法需要估计每个细胞类型在特定捕获点的比例，常用的方法是采用基于统计回归的模型。而打分方法则往往基于贝叶斯统计框架，将概率分布于单细胞数据的基因技术分布相结合，评估细胞类型检测的准确性、敏感性、特异性以及整体相关性。目前，单细胞转录组与基于spatial barcoding的空间转录联合分析多采用反卷积的方法。

映射的基本思路是以单细胞分辨率创建空间分辨率的细胞类型映射，主要见于单细胞转录组与基于原位技术的空间转录组（High-plex RNA imaging，HPRI）联合分析。映射分析首先需要将指定的基于单细胞转录组的细胞亚型定位到HPRI图谱上的每个细胞，常见的算法是首先将细胞聚类集成到低维空间中，通过对聚类的群体检测得到细胞类型，之后将每个单细胞定位到组织特定的生态位或区域划分。

图1 单细胞-空间转录组联合分析的两种方法：反卷积与映射

论文标题：Integrating microarray-based spatial transcriptomics and single-cell RNA-seq reveals tissue architecture in pancreatic ductal adenocarcinomas
刊登时间：2020年3月
发表期刊：Nature Biotechnology
样本信息：两个患者胰腺导管癌样本的单细胞转录组测序&空间转录组测序
分析方法（工具）：多模式相交分析方法（Multimodal intersection analysis，MIA）

02

图2 胰腺导管癌单细胞-空间联合分析的研究思路

研究首先对单细胞数据进行聚类，在两个患者的肿瘤组织样本（PDAC-A和PDAC-B）中分别鉴定到15个和11个细胞亚群，且两个患者的共有亚群中基因的表达谱表现了极强的相关性。同一肿瘤组织的切片的ST注释与H&E染色结果中的病理学注释完全一致，体现了ST技术极强的可靠性。

图3 2例PDAC患者肿瘤组织的细胞亚群分类和细胞类型鉴定

为了进一步整合单细胞数据与空间数据，研究者开发了多模式相交分析方法（Multimodal intersection analysis，MIA），针对空间转录组中spot的聚类结果，利用单细胞注释信息来对spot聚类的结果，基于病理学分区，对细胞类型进行注释。单细胞亚群鉴定过程中，可以得到一系列cell markers。同样地，ST数据spot的聚类也可以得到类似的spot markers。首先将ST数据与单细胞数据鉴定到的表达基因作为背景，可以将这些基因分成cell markers与非cell makers。将spot marker与背景的两个子集取交集，如果ST数据中的spot marker是随机的，那么其与背景中两个子集的交集中基因的数量应该趋向于一定的比例。若与cell maker的交集中的基因比例远高于随机分布的预期，则该spot聚类中属于该细胞类型的可能性就更高。基于这一思路，将单细胞转录组鉴定到的成纤维细胞进一步地定位到癌细胞区域。

图4 多模式相交分析定位单细胞数据

在单细胞数据中，研究发现两个肿瘤样品中的主要细胞类型是表达KRT19的导管细胞。这种细胞可以细分为四个子亚群，其中的低氧导管细胞和抗原呈递导管细胞为新鉴定的两个细胞亚群。基于MIA分析，PDAC-A中所有的导管细胞被发现在导管区域中富集，但只有低氧和末端导管细胞在癌细胞区域显著富集，低氧导管细胞亚群在胰腺组织中耗竭。而PDAC-B中的导管亚群仅在导管区域富集。

图5 组织区域导管亚群的MIA定位

PDAC-A中的单细胞数发现了两个转录水平上存在差异的癌细胞亚群。针对PDAC-A的肿瘤组织的ST实验表明，成纤维细胞仅在其中一个癌细胞亚群中呈现较高的富集程度，表明该癌细胞亚群可能在组织中引起特定的基质反应，或另一个癌细胞亚群与组织中的成纤维细胞互斥。

图6 癌细胞子区域显示出不同的细胞类型和亚群富集

研究还对其他6例患者样本进行了MIA分析，绘制了不同空间组织区域中的癌细胞状态，用以描述癌细胞亚群和其他细胞亚群间的互作，发现与应激相关的模块基因相关的ST spot与炎症成纤维细胞存在着显著的相关性。该研究中的数据与TCGA数据库中的183个PDAC肿瘤组织的bulk转录组数据结合发现应激反应基因模块与炎症成纤维细胞特征显著相关。免疫荧光与组织切片H&E染色实验证明了癌症成纤维细胞和表达应激反应基因模块的癌细胞存在共定位关系，表明它们之间的功能相关性。

 
论文标题：Spatial deconvolution of HER2-positive breast cancer delineates tumor-associated cell type interactions
发表期刊：Nature communications
发表时间：2021年12月
样本信息：来自8位HER2过表达型乳腺癌患者中癌组织的36张切片/乳腺癌公共单细胞数据
分析方法（工具）：stereoscope

03

Stereoscope是由瑞典皇家理工学院Alma Andersson等人开发的一款用于单细胞-空间整合分析的工具。Stereoscope的模型框架利用单细胞数据推断空间数据中每个捕获位置的每个细胞类型的比例估计，从而消除了对空间数据分析时对要素或簇等抽象实体的任何解释或注释必要性。这种方法首先使用单细胞数据来描述每个细胞类型的表达谱，然后在每个捕获位置内找到这些类型的组合，以最好地解释空间数据。

图7 HER2过表达分析乳腺癌单细胞-空间联合分析的技术路线

研究首先对来自8位患者的spot根据基因表达信息进行聚类，获得了8个cluster，与患者信息一致，表明不同患者的样本之间存在异质性，因此在研究中对每个患者的数据分别重新进行聚类分析。利用ST数据的聚类分析对患者间的肿瘤异质性进行了探讨，如HER2受体基因ERBB2的表达在相同患者的不同癌组织cluster中也存在差异，体现了ERBB2基因表达的空间异质性。

图8 HER2过表达型乳腺癌患者G的空间基因表达分析

研究通过对不同患者间的ST数据进行比较来寻找HER2过表达乳腺癌的免疫及肿瘤核心标志物，即寻找不同患者间的cluster中是否共享marker基因。依据表达谱相似性及其他严格的限定条件，鉴定三个supergroup（聚类的聚类），其中的两类核心标志物与免疫相关，一类包含47个基因，包括APOE和CIQ，均在巨噬细胞中高表达，表明这一supergroup中含有大量的肿瘤相关巨噬细胞。另一类包含55个基因，与淋巴细胞和MHC受体家族相关。第三类核心标志包括11个基因，多数与肿瘤发生与增殖有关，如ERBB2。

采用stereoscope方法，将HER2过表达型肿瘤单细胞数据定位至空间位置上。单细胞数据定位分析表明，病理学家注释的一些区域中存在着细胞类型的富集或缺失现象。如免疫浸润的区域存在B细胞或T细胞的富集，而癌组织区域则存在癌症相关细胞类型的富集以及基质细胞的缺失。除患者B之外，所有患者的侵入性癌区域都存在HER2相关的上皮细胞类型。而患者B是唯一的黄体酮受体阳性患者（一种LumB肿瘤亚型），其侵入性癌区域存在着LumB（乳腺导管腔上皮细胞）富集。这些结果表明了单细胞定位结果的可靠性。

图9 基于stereoscope的HER2型乳腺癌单细胞-空间整合分析

研究还将单细胞定位结果与ST spot cluster结果进行了整合以探究它们的相关性。患者E中含有两个空间上不相连的肿瘤病灶，而这些肿瘤病灶中与凋亡和调节通路相关的spot cluster，存在着上皮细胞的聚类和记忆型B细胞的缺失。与之相反，免疫浸润相关的spot cluster则存在着B细胞和CD4+ T细胞的富集并只含有少量或不含有癌细胞。患者G所有被注释为癌组织的spot cluster存在着浆细胞、B细胞和T细胞的缺失，并且4个spot cluster中的3个存在着上皮细胞的富集。而唯一的与原位癌相关的相关的cluster存在着树突细胞的富集和成肌纤维细胞样CAF（肿瘤相关成纤维细胞）的缺失。类似的这些结果进一步印证了单细胞数据空间定位的可靠性。

通过计算熵值，研究表明相较于癌组织相关的cluster，免疫相关的空间cluster存在着更高水平的异质性。通过计算spot水平上的细胞类型相关性，发现了不同类型细胞在空间中的共定位情况。在高层次的细胞分类层面上，上皮细胞与其他细胞类型的细胞类型存在着极强的反相关关系，而内皮细胞与CAF细胞及血管周细胞存在着高保守性的共定位情况。若将上皮细胞细分成肿瘤相关与普通型，二者亦存在着极强的反相关关系。进一步将上皮细胞分类，成熟的管腔细胞与癌细胞间存在着共定位现象。免疫细胞中，浆细胞与B细胞存在着反相关的关系，表明他们在肿瘤组织中定位于不同的位置。在大部分患者中，T细胞与B细胞也存在着极强的共定位关系。同时T细胞也与骨髓细胞也存在着极强的相关性。对T细胞和骨髓细胞的亚型进行进一步分析，也发现了一些弱相关性信号，如cDC2:CD1C，Mø1:EGR1，pDC:IRF7与数个CD4+ T细胞群体。此外在所有患者中发现了Mø2:CXCL10与一种T细胞状态（T cells:IFIT1）的强相关性。

图10 T细胞和B细胞的共定位分析

I型干扰素可能诱导Mø2:CXCL10基因的表达生成化学引诱物质，在肿瘤免疫治疗中可以起到抗癌效果。此外，数个T-cell:IFIT1状态的标记基因也与I型干扰素反应有关。因此有必要评价I型干扰素激活与Mø2:CXCL10/T-cell:IFIT1细胞状态在空间数据中的共定位现象。结合此前的细胞类型cluster定位的结果，在每个患者中都发现了至少一个cluster中存在着Mø2:CXCL10和T-cell:IFIT1的富集。

研究标明在抗肿瘤免疫中，TLS是肿瘤抗原呈递给T细胞的场所。鉴于共定位分析发现T细胞和B细胞空间分布的强相关性，研究试图寻找这种相关性与TLSs的关系。尽管TLSs并非仅仅存在T细胞和B细胞成份，依然可以通过它们的同时出现作为TLSs的推断指标。依据T细胞和B细胞的相关性建立了TLS打分方法，通过计算，在患者G和H中均发现了潜在的TLSs结构。利用免疫组化实验部分验证了预测的TLSs结构。

研究展示了如何用空间数据在分子层面表征疾病相关组织样本，若能结合临床数据，将有益于HER2过表达型乳腺癌发病机理的理解与临床治疗。如细胞共定位模式可能与患者康复效果相关，依此可评价限定肿瘤空间内的药物反应以及其功能性互作。研究开发的一些计算方法可以给类似的研究如复杂多层次细胞互作的研究带来一定的启发意义。

论文标题：Mapping the temporal and spatial dynamics of the human endometrium in vivo and in vitro
发表期刊：Nature Genetics
发表时间：2021年12月
样本信息：女性捐献者的子宫内膜样本，用于单细胞及空间转录组测序
分析方法（工具）：cell2location

04

Cell2location是由英国Wellcome Sanger研究所开发，该工具基于贝叶斯模型，可以整合空间转录组及单细胞数据，全面地在不同组织中定位各种细分的细胞类型。Cell2location工具分析的主要涉及两个步骤。首先，利用单细胞数据，估算细胞类型和表达特征，例如通过聚类识别细胞类型及细胞亚群，然后估算平均聚类后的基因表达谱。考虑到测序方法及批次效应可能给单细胞数据带来的聚焦性及过离散现象，这一步中主要运用负二项回归的方式（negative binomial regression）。第二步则是利用这些细胞表达特征信息，在空间转录组数据中分解mRNA计数结果，估计每种细胞类型在每个空间位置单元中的相对和绝对表达丰度。

图11 单细胞-空间联合分析子宫内膜细胞的技术路线

研究首先用单细胞及单细胞核测序获得单细胞转录组数据，获得了14个细胞亚群，主要分成五类不同的细胞，即免疫细胞、上皮细胞、内皮细胞、支持细胞及基质细胞。结合空间转录组数据，将这些细胞利用Cell2location工具整合到空间中去。这些细胞被重定位至子宫内膜和子宫肌层。这样的方式鉴定到了特定的血管周细胞（PV）类型，如PV MYH11细胞是子宫基层的标志性细胞，而PV STEAP4仅在子宫内膜中发现。此外，还发现C7成纤维细胞在增殖期与分泌期均在子宫肌层富集。研究接着对月经周期内增殖期子宫内膜上皮细胞（分泌细胞与纤毛细胞）进行鉴定。这类根据经典的marker分成四类：SOX9细胞亚群（在增殖期富集，表达与雌激素水平升高相关的基因）、纤毛细胞（PIFO、TIPP3）、内腔细胞（LGR5）和腺细胞（SCGB2A2）。

图12 人类子宫的单细胞图谱

子宫内膜功能紊乱对女性健康及生殖功能有着深远的影响。为了鉴定与功能紊乱相关的细胞，研究通过反卷积的方式对子宫内膜癌和子宫内膜异位病灶的bulk RNA数据进行分析，并以单细胞数据作为参考。研究发现，SOX9过表达信号在肿瘤中占据主导地位。进一步对两个SOX9细胞群SOX9+LGR5+和SOX9+LGR5-进行分析，获得了它们在子宫内膜癌和子宫内膜异位症中占主导地位的特定细胞信号。

图13 子宫内膜上皮细胞的时空动态变化

研究还关注了转录因子在月经周期对子宫内膜分化的调控。纤毛细胞中WNT的靶点（如FOXJ1）表现出了极高的表达活性，而在腺体细胞亚群中，则呈现WNT靶点（如CSRNP1和FOXO1）抑制NOTCH靶点（如HES1和HEY1）激活状态，表明WNT和NOTCH在纤毛细胞和分泌细胞中的不同作用。利用空间转录组数据对子宫内膜上皮细胞进行聚类分析，得到了五个不同的细胞亚群（一个内腔细胞亚群，两个功能亚群和两个基部亚群）。参与WNT通路的基因FOXJ1和LGR5在管腔上皮细胞高度表达，而NOTCH2则在功能层的腺体中富集。免疫组化及smFISH探针验证了这些结果。

图14 腺体与腔内子宫内膜上皮细胞的细胞信号分析

研究开发了细胞通讯分析工具CellPhoneDB用以分析细胞互作。结果表明NOTCH的配体JAG1在内腔细胞的表达高于腺体细胞，表明NOTCH相关互作更多由上皮隔层介导。而WNT的配体则在上皮和基质细胞表达。对排卵期差异表达的基因分析表明，腺体分泌细胞亚群呈现了WNT受体表达的显著下降，可能会限制这一通路的活动。与腔内细胞对应基因比较，还呈现WNT作用的AXIN2基因表达下调。此外，蜕膜基质细胞中WNT通路抑制剂DKK1的表达水平水平显着高于非蜕膜基质细胞。在空间转录组学中也发现了围绕分泌内皮腺体的 DKK1 的表达。这些结果均表明在分泌细胞中WNT信号传导受到抑制，说明NOTCH信号传导占据主导地位。

研究使用子宫内膜类器官培养的方法来验证卵巢相关激素的响应，评估了类器官培养激素响应后的细胞成分。激素刺激后，纤毛细胞充分分化，而分泌细胞依然维持祖细胞状态，证实类细胞培养可以模拟体内中细胞的激素响应。同时类细胞培养亦证实转录因子在体内和体外的操作范式呈现高度一致，因此子宫内膜类细胞培养可以用于体外检测NOTCH和WNT信号通路在决定上皮细胞命运中的作用。在分化的腺体中抑制WNT信号模拟低WNT微环境，可以抑制产生纤毛细胞，促进分泌细胞生成。在激素的作用下，这些细胞可能通过对纤毛基因强烈的抑制作用产生较多的分泌物。仅仅抑制WNT无法诱导分泌细胞分化，还需要通过激素诱导NOTCH通路。因此，分泌细胞的生成需要信号通路与卵巢相关激素的协作。通过单细胞映射分析也表明，抑制NOTCH通路可以促进纤毛细胞前体的生成。综上，研究阐明了WNT和NOTCH通路在决定子宫内膜上皮细胞命运中的作用。

图15 类器官培养验证NOTCH和WNT通路对子宫内膜上皮细胞分化的作用

文章标题：Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma
发表期刊：Cell
发表时间：2020年7月
样本信息：10名皮肤鳞状细胞癌（cSCC）患者正常皮肤和癌组织
分析方法（工具）：Relative expression scoring

05

图16 单细胞-空间联合分析皮肤鳞状细胞癌的技术路线

单细胞-空间联合分析的打分方法主要分成三步。首先识别切片上的感兴趣区域，如（肿瘤与癌旁的划分）。之后进行空间spot的聚类分析，得到cluster信息之后，用单细胞数据识别特有的细胞类群，用空间的cluster去富集该cluster的特异表达基因，可利用Seurat包中的AddModuleScore函数进行打分，识别高分值的区域重点关注。接下来需要继续分析上述鉴定的特殊区域的特殊细胞类型与感兴趣的区域间的关系，将测序的定义结果与染色图片进行关联，来分析细胞类型与关注的空间位置的相互关系。

图17 正常皮肤和鳞状细胞癌的单细胞转录图谱

研究首先对10例患者手术切除的肿瘤和原位正常皮肤进行了单细胞转录组测序，获得了48164个单细胞的转录谱。通过聚类分析获得了肿瘤、正常上皮细胞以及基质细胞亚型，并对骨髓细胞亚群和NK细胞以及T细胞亚群进行了细分。这些结果表明cSCC样本具有代表性，可用于后续分析。

对正常上皮细胞进行重新聚类后，在其中观察到了三个主要的角化细胞亚群：基底细胞、循环细胞和分化细胞。肿瘤的角化细胞中也存在上述三个细胞亚群，并与正常细胞共享若干标记基因。在肿瘤细胞中，鉴定到了正常皮肤无关的第四个角化细胞亚群，命名为TSK亚群。在这一亚群与其他肿瘤细胞区分开的100个差异表达基因中，有99个基因在肿瘤组织中的表达高于正常组织。GO分析揭示了这些TSK亚群细胞与细胞运动和细胞外基质分解相关，可能表明该类细胞具有侵入性。TSK亚群存在上皮-间质转化（EMT）标志物（VIM和ITGA5）的高表达，但是EMT类似的TSK亚群中EMT转录因子表达水平较低。因此，通过单细胞调控网络聚类分析与推断，认为AP1和ETS家族成员是潜在控制TSK的转录因子。此外，还发现基底肿瘤细胞在正常组织中的增殖频率大概是基底细胞的5倍，而肿瘤和正常分化的基底细胞在细胞周期上并不存在差异。这些数据表明cSCC中的表皮分化存在失调现象，基底细胞表现出迅速增殖，并且出现表达EMT连锁基因的TSK亚群。

图18 肿瘤角化细胞的异常分化层次

接下来作者利用空间转录组对TSK基质基因进行了空间异质性分析。首先对空间转录组的spot进行了聚类，在患者中，肿瘤相关的spot展现出单细胞测序验证的角化细胞的定位基因表达。免疫或间质基因与肿瘤邻近间质、非参与性间质和附属区域存在关联，这与cSCC的大致结构一致。接下来，研究开发了打分方法，用于单细胞-空间联合分析，使用单细胞转录组中TSK标记基因对每个空间转录组的spot进行评分，发现了一个具有明显富集的TSK高表达细胞簇。在边缘清晰的肿瘤中，TSK邻近间质富集了癌症相关成纤维细胞（CAF）和内皮细胞转录物，表明TSK细胞主要位于纤维血管微环境中。超过80%的高TSK得分角化细胞spot位于肿瘤的边缘，剩下的肿瘤边缘也呈现Basal肿瘤基因的富集现象。此外，炎症反应和干扰素信号在肺TSK前沿表达，与干扰素相关的转录本在肿瘤基底群体中的存在高度一致。这些结果表明TSK、Basal细胞以及TSK近端纤维血管生态位造成的cSCC癌边缘的异质性。

图19 空间转录组揭示鳞状细胞癌边缘的异质性

研究还分析了免疫抑制基因是否影响cSCC的免疫活动，发现CD274（PD-L1）和PDCD1LG2（PD-L2）等基因在空间转录组数据中表现出空间簇特异性模式，与特定的细胞类型共定位一致。骨髓特异性因子在炎症前沿占据优势地位。CD4+和CD8+耗竭型 T细胞亚群除表达细胞毒性基因外，还表达抑制性受体和衰竭标志物。在空间位置上，T细胞转录本出现在炎症前沿和免疫相关的细胞簇中。此外，还发现单细胞转录组鉴定到的集中趋化因子受体在重叠的T细胞亚群中富集表达，其中调节性T细胞特异性表达CCR8，可以作为潜在的药物靶点。综上，这些结果强调了参与免疫抑制机制的多种细胞类型，包括诱导树突细胞和耗竭型T细胞共抑制信号，以及调节性T细胞的招募。研究通过多重离子束成像（MIBI）技术，结合上述结论，在肿瘤微环境下研究了免疫细胞的浸润性。成纤维细胞、巨噬细胞和调节性T细胞在肿瘤-间质边缘最为丰富，而CD8+ T细胞和中性粒细胞被大量排除在肿瘤之外，表明调节性T细胞的存在可以有效组织效应淋巴细胞进入肿瘤。已经被发现可以介导免疫抑制或抗肿瘤活性B细胞是唯一表现出优先浸润的细胞类型。

图20 皮肤鳞状细胞癌的免疫景观

研究还通过整合单细胞与空间数据来描述邻近肿瘤及其微环境中的信号通路。先前的数据表明，TSKs广泛参与了自分泌和旁分泌相互作用。结合空间转录组数据利用NicheNet对肿瘤边缘预测为调节微环境的特异性细胞类型标记的肿瘤角化细胞配体进行优先排序，发现对肿瘤相关成纤维细胞（CAF）显著的TSK信号通路是由数对TSK-CAF配体-受体对介导的。此外TSKs可通过PGF-FLT1等配体-受体对调节内皮细胞，而内皮细胞和CAFs则显著共表达TFP1等NicheNet预测的配体，进一步证实了TSKs是一种类似EMT的群体。TCGA数据库中31中实体瘤的数千个转录组数据表明TSK细胞与多变的TME普遍关联。

图21 与肿瘤边缘生态位相关的细胞通讯

最后，作者利用异种移植模型进行CRISPR/Cas9筛选，评估了肿瘤KC亚群在cSCC中的功能作用，得到了控制亚群特异性直流关键基因的调控网络，在此基础上，对TSK相关重要基因在TCGA中的作用进行评估，发现FERM1在许多亚型的癌症中都会被广泛扩增，提示其具有广泛的促肿瘤作用。此外，来自TCGA的具有高TSK表达的六种上皮癌的总体生存期较差有关，与该亚群在恶性行为中的作用一致。

总的来说，研究结合单细胞与空间技术，对cSCC进行了多角度高分辨的整合分析，揭示了cSCC的空间异质性、抑制抗肿瘤免疫的重要细胞类群TSK和控制相关细胞类型定位和状态的细胞间信号和基因，为进一步的临床研究和免疫疗法的改善提供了依据。

最后公告一下，联川出版社发布的《单细胞测序研究一本通3.0》已经上架预售，欢迎各位登陆微店“联川驿站”，或者扫描以下二维码预购新书：

关于联川生物

杭州联川生物为全球各地的科研用户提供基因组、转录组、蛋白组、代谢组及最新的单细胞测序服务。单细胞测序作为联川战略发展方向，在组织解离和单细胞生信分析方面充分发挥自身优势，为客户提供优质的服务。目前已经与100多个国家及地区的科研院校、医院、制药公司建立起了长期的合作伙伴关系，累计发表单细胞测序相关的SCI论文近50篇，影响因子平均15+。

相关阅读

点击下方图片进入云平台资料汇总：

所见即所得，绘图高规格

联川云平台，让科研更自由