10个单细胞转录组数据探索免疫治疗机理（逆向收费读文献2019-12）
2年前，考虑到科研路的艰难，我组建了文献阅读小组，广邀粉丝参与，从自身做起，开始学习及分享！感兴趣可以点击下面的链接跳转去了解详情：
逆向收费读文献社群 （2018-01-07）
逆向收费读文献社群（第二年通知）（2019-01-26）
大概有50人加入吧，成功坚持下来的朋友们累积了 200多文献阅读笔记，反而是公众号编辑忙不过来，所以大多数好的笔记无缘跟粉丝见面，不过我自己的笔记可以开绿色通道，现在开启系列连载：
预测BRCA基因功能缺陷的HRDetect基因集（逆向收费读文献）
本次更新的《10个单细胞转录组数据探索免疫治疗机理》为2019 第十二周分享
10个单细胞转录组数据探索免疫治疗机理
发表在2018年9月的NC, 文章是：Acquired cancer resistance to combination immunotherapy from transcriptional loss of class I HLA 两例免疫治疗患者，在一位患者身上发现了规律，在另一位患者身上得到了证实。取患者血液和肿瘤，做免疫组化、分选、exome-seq、single cell RNA-seq、qPCR。
两个病人分别是：
The primary patient (2586-4) received hypofractionated radiation for HLA upregulation to some but not all disease sites:
The second validation patient (9245-3) is a 59-year-old man with metastatic MCC that had initially presented as stage IIIB disease, now metastatic at multiple sites.
有4个时间节点非常重要：
pre-treatment
early post treatment day+27,
responding post treatment day + 37
relapse/acquired resistance post treatment day + 614
如下所示：
最重要的应该是10个单细胞转录组样本的数据分析部分。
关于 Merkel cell carcinoma (MCC) ，本研究的两个病人都是转移性梅克尔细胞癌(Merkel cell carcinoma,MCC)患者，Merkel细胞癌（MCC）是一种罕见但极具侵袭性的癌症，据估计，疾病相关死亡率高达46%。研究已证实，MCC是一种免疫反应性疾病，免疫检查点抑制剂的问世改变了晚期MCC患者的治疗现状。所以本研究价值非常大。
单细胞转录组测序数据
首先是：Gene expression analysis: discovery patient tumor，用的是 10x genomics 3' Chromium expression assay
Following sequence alignment and filtering, a total of 7431 tumor cells (2243 cells before and 5188 cells after T cell therapy 分3个时间点 were analyzed.
然后是：Gene expression analysis: discovery patient PBMC，用的是 10x genomics 3' Chromium expression assay，Following sequence alignment and filtering, a total of 12,874 cells were analyzed.
数据在：GSE117988
| ID | description |
|---|---|
| GSM3330559 | Tumor Disc Pre |
| GSM3330560 | Tumor Disc AR |
| GSM3330561 | PBMC Pre |
| GSM3330562 | PBMC Disc Early |
| GSM3330563 | PBMC Disc Resp |
| GSM3330564 | PBMC Disc AR |
最后是另外一个病人：Gene expression analysis: validation patient，用的是 10x Genomics 5’ V(D)J 平台测序
The aggregated corrected-normalized gene-barcode matrix was used to first run PCA and t-distributed stochastic neighbor embedding (tSNE) analyses.
数据在： GSE118056
| ID | description |
|---|---|
| GSM3317833 | PBMC Relapse - L001 |
| GSM3317834 | PBMC Relapse - L002 |
| GSM3317835 | Tumor Relapse - L001 |
| GSM3317836 | Tumor Relapse - L002 |
而且数据处理代码都上传了：Supplementary Data 3.
第一个病人的4个时间点的PBMC细胞分群情况
全部细胞整合分群如下：
4个时间点分开分群如下：
这样就看到了规律，其中 CD8+ “red” activated cluster 非常重要：
同样是CD8阳性的T细胞，很明显这两个群细胞作用不一样，所以作者把 那个 376天复发的单细胞转录组数据里面的 red activated cluster (n = 170) to those in the blue effector/EM cluster (n = 429) 进行差异分析，得到热图 如下：
肿瘤部位单细胞转录组测序分析结果
前面我们介绍到这两个病人的PBMC是有4个时间点，但是肿瘤组织测序，只有治疗前后两个时间点。第一个病人的肿瘤组织单细胞转录组数据分类如下：
可以看到肿瘤组织里面的肿瘤细胞比例非常高，这个也很正常，比较纯的肿瘤，但是，很明显原位癌样品和复发的样品差异很大。
关注原位癌样品和复发的差异分析结果：
可以看到，复发样品的HLA-B基因表达量显著降低，所以继续可视化：
也是为了说明HLA-B基因表达量被抑制。
在另外一个病人也看到同样的情况，这个时候是HLA-A基因的表达量降低：
外显子测序数据
文章并没有费力描述病人的外显子数据分析结果，使用的是 Agilent SureSelect Human All Exon V6 芯片，和 illumina HiSeq 2500 测序仪。
重点
本文全部数据都是公开可得的，而且是标准的10x商业仪器数据，实验设计也非常的合理，结果也可圈可点，是单细胞领域入门的绝佳参考文章。
A
B
作者
健明
排版
小洁
忘了怎么分身
上面文章单细胞数据，我们会在单细胞天地完全复现这个流程：