是否是免疫细胞很容易区分那是否是肿瘤细胞呢？

分享是一种态度

“

单细胞转录组的火爆是大家有目共睹的，主要是在各式各样的物种器官图谱研究以及发育，肿瘤免疫研究。其中在肿瘤免疫一个很重要的分析点就是区分免疫细胞和非免疫细胞，这个还算是比较容易，比如文献《Zilionis et al., 2019, Immunity 》就提到：

Cells were defined as non-immune if belonging to a cluster low for PTPRC (gene for CD45) and high for any of the following genes: MUC5A (goblet cell marker), KRT5 (basal epithelial cell marker), SFTPD (secretory cell marker), EPCAM (pan-epithelial cell marker), CDH5 (endothelial cell marker), COL1A2 and ACTA2 (fibroblast markers).

需要满足两个条件，首先是低表达那个翻译CD45分子的PTPRC基因，然后需要高表达一些特定细胞群体的标志基因，比如下面的6个细胞类型：

• MUC5A (goblet cell marker),
• KRT5 (basal epithelial cell marker),
• SFTPD (secretory cell marker),
• EPCAM (pan-epithelial cell marker),
• CDH5 (endothelial cell marker),
• COL1A2 and ACTA2 (fibroblast markers).

所以你拿到自己的单细胞测序数据后，走完基础流程，可以直接看看这些基因的表达量分布图（热图或者小提琴图均可）。下面是一个例子；

基因的表达量分布图（热图或者小提琴图均可）

免疫细胞的内部分类，这个就很多元化了，比如文章：Nucleic Acids Res. 2018 Apr 6;46(6):e36. doi: 10.1093/nar/gky007.的细胞亚群分类已经其对应的标记基因如下：

需要很深厚的生物学背景知识了。

那如何区分肿瘤细胞与否呢？

区分免疫细胞和非免疫细胞，已经有很多成熟并且可以借鉴的思路了，但是肿瘤细胞的分类就稍微有点麻烦，因为本身肿瘤异质性很大，分类就是不稳定的， 在传统转录组的分子分型研究下，部分癌症都有广为人知的肿瘤分子亚型。但是那些分子亚型并不能平稳过渡到单细胞领域，毕竟单细胞技术是革命性的技术，传统的bulk转录组的分子分型就应该是被全面修正才能体现出来单细胞转录组的价值！不过，我们关心的是另外一个问题，就是区分肿瘤细胞和正常细胞呢？

很多情况下是靠inferCNV算法的结果，比如发表于2017年12月，在CELL杂志：Single-Cell Transcriptomic Analysis of Primary and Metastatic Tumor Ecosystems in Head and Neck Cancer 的文献，就是使用inferCNV算法对来自18名患者的5,902个细胞，分成2215个恶性细胞和3363个非恶性细胞如下所示：

肿瘤细胞与否

可以看到，通过inferCNV算法，能发现非恶性细胞的CNV是几乎没有的，而恶性细胞呢，或多或少有一些染色体片段的拷贝数扩增或者缺失。

而且目前肿瘤领域的单细胞研究，得到的结果仍然是以肿瘤病人内部聚类分群为主，很少能够跨越肿瘤病人的单细胞聚类。如下所示：

恶性细胞具有病人特异性

那么，除了这个inferCNV算法，难道就没有其它方法来比较好的区分细胞的恶性与否吗？

亲爱的读者朋友们，集思广益吧！

往期回顾

---

---

---

如果你对单细胞转录组研究感兴趣，但又不知道如何入门，也许你可以关注一下下面的课程

• 生信爆款入门-第6期（线上直播4周，马拉松式陪伴，带你入门） 你的生物信息入门课

• 数据挖掘学习班第4期（线上直播3周，马拉松式陪伴，带你入门） 医学生/医生首选技能提高课

• 生信技能树的2019年终总结 你的生物信息成长宝藏

看完记得顺手点个“在看”哦！

生物 | 单细胞 | 转录组丨资料每天都精彩

长按扫码可关注