单细胞测序为肿瘤免疫治疗带来的启示
分享是一种态度
文章信息
文章题目：From bench to bedside: Single-cell analysis for cancer immunotherapy
日期：2021年8月9日
期刊：Cancer Cell
DOI: https://doi.org/10.1016/j.ccell.2021.07.004
前言
单细胞测序技术已逐步成为临床肿瘤研究的有力工具。这些技术可以使科研工作者更加清晰的探索肿瘤组织中每个细胞的分子状态，从而进一步研究肿瘤异质性、微环境细胞类型组成，特别是使在免疫治疗的背景下探索影响治疗反应的细胞状态成为现实。众所周知，直接对临床患者的样本进行分析对精准医疗有很大的帮助，但目前在技术上仍然存在很多潜在的挑战。
事实上，利用单细胞测序技术成功地识别免疫治疗预测因素需要多学科团队之间进行良好的协调工作。在实际的肿瘤研究中，不仅要确保足够大的样本量，还要保证生成高质量的数据和后期系统的数据分析能力。在本期推文中，小编将通过一篇综述回顾当前的单细胞测序中样本处理和数据分析方法，并将讨论如何将其应用于肿瘤免疫治疗的研究。
肿瘤研究的高维转录组和蛋白质组学方法
目前已有多种高维测序方法可以用来研究肿瘤的细胞组成，以及细胞间的相互作用。我们可以根据其检测的目的分子的种类将其分为转录组和蛋白组，还可以根据对样本处理方法的不同将其分为普通组学和空间组学。事实上，无论是哪一种分法的目的都不是将其两两分开，而是发挥优势互补的作用进行联合使用。
如下图所示，我们可以根据拿到样本的种类不同采取不同的测序手段。一般来说目前的蛋白组学只能检测一定数量的目的分子（pre-selected markers），而转录组学则可以进行全基因组（genome-wide）的筛选。其中每一大类技术都有代表的平台，如检测单细胞蛋白表达的CyTOF和检测转录组的10X genomics。当然，目前还有结合这两种开发出的既能测蛋白还能测测转录组的CITE-seq，不过这一种技术无论在检测蛋白还是转录水平上都没有前两者更成熟。
当然，除了上述几种单细胞测序技术之外，还有一项重大的革命性技术--空间组学。我们知道，组织在制备成细胞悬液后会损失原本的空间信息，而不同空间分布的细胞其实才是细胞间相互作用的最有力见证；因此，与使用细胞悬液的测序技术相比，空间组学可以很好的保留原本的空间信息，而对此所付出的代价是无法做到单个细胞水平的检测。
上面这张表格很好的总结了目前主流的单细胞测序技术的信息、样本要求、基因检测范围和可做的数据分析种类等。在实际的应用中，我们应该根据自己的需求选择合适的测序手段，当然最好是联合多种技术进行联合分析，这样才能做到优势互补，更全面的解析背后的调控机制。
单细胞和空间组的分析流程
单细胞数据的高维特性使得相应的数据分析流程成为揭示细胞状态，和重要分子的关键组成部分。伴随单细胞测序技术高速发展的是相应分析工具的开发，这些分析方法与新技术同步发展，提供了广泛的软件和流程选择机会。这些不同的分析方法属于几个主要的分类，共同使生物学解释成为可能。
基于肿瘤样本的单细胞数据的分析流程及相应的软件比较多，但主要都可以分成几个步骤：1.预处理和批量校正；2.通过低维嵌入实现数据可视化；3.肿瘤微环境中细胞类型的注释；4.细胞类型相关分子的差异分析；5.细胞状态转换的轨迹推断和伪时间排序；6.从单细胞和空间技术推断细胞内和细胞间的相互作用网络。
虽然存在用于单细胞分析的商业软件，但大多数分析方法都是在免费的开源软件中实现的。为了确保广泛采用，该软件通常建立在生物信息学生态系统上，如R/Bioconductor项目。然而，要想较好的使用这些分析流程，可能需要大量的计算机资源和计算机编程经验。
临床转化面临的挑战
即使我们拥有了很好的测序技术，和开发出了各种相应的数据分析算法，但是科研成果进行临床转化的过程中仍然具有很多挑战。我们不仅需要考虑到不同患者肿瘤之间的异质性，还必须明确无法在患者身上测试多种治疗方案，这些都对单细胞机制研究成果进一步临床转化形成巨大挑战。截至目前，医学研究仍然是以小鼠等实验动物为主要研究对象，但是物种间的差异性就会因此放大。
单细胞图谱研究汇集了临床试验研究和临床前动物模型的单细胞研究成果，这些可以为未来人体特征研究提供重要参考。用免疫疗法治疗的临床前模型的单细胞分析可以指出与治疗反应相关的细胞类型和途径，从而在使用相同疗法治疗的人类样本的跨物种分析，可以清楚的揭示哪些治疗反应是保守的。从单细胞数据集中识别小鼠和人类共同反应的新兴计算工具可以进一步支持临床前分析的模型选择，为人类临床试验的设计提供理论支持。
展望
每个人的免疫系统都是与众不同的，因为每个人的人生经历不同，这包括先天的遗传因素，以及后天的患病史、治疗史的不同，这些都会对个体免疫系统的塑造产生深刻的影响。基于此，我们就可以理解为什么不同肿瘤患者对同一种免疫治疗药物出现各异的应答效果，从而也无法找到对所有癌症患者都有效的免疫治疗手段。但是即便如此，我们也可以根据不同的应答效果将患者进行分类，最简单的就是应答和非应答两类。虽然系统免疫纷繁复杂，但是应答和非应答患者的肿瘤微环境还是有规律可循的，而单细胞测序技术就是找到这些规律的有力工具。
鉴于上述介绍的目前单细胞测序技术也是多种多样的，因此需要根据实际需求进行选择。其中，单细胞转录组学非常适合在无偏倚的细胞群中推动全基因组的发现，单细胞蛋白质组学更适合于旨在分析已知分子目标和细胞类型的研究。
空间组学的建立，为我们进一步研究肿瘤微环境中各种细胞之间的相互作用提供了更有力的证据。但是目前主流的平台如10x Genomics只能检测到几个到几十个细胞的精度，无法精准到单个细胞，希望未来能进行升级，从而使空间组学也达到单个细胞的检测水平。
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
看完记得顺手点个“在看”哦！
长按扫码可关注