最近有小伙伴反映收不到推送，因为公众号改了推送算法，现在需要加星标，多点赞、点在看，才能准时收到推送哦。
导语：表征肿瘤微环境(TME)中的各种细胞类型及其组织成细胞群落对于阐明癌症的生物多样性和告知治疗策略至关重要。
作图丫不仅文章解读的好，课题做得也出色，已与国内多家知名医院的老师和名牌大学实验室达成合作。欢迎有生信分析需求的老师垂询，公共数据库数据挖掘或自测数据分析均可。
今天小编为大家带来的这篇文章，作者通过HNSC的高维解构揭示了与预后和治疗反应相关的临床上不同的细胞状态和生态系统，文章发表在《Journal of Translational Medicine》上，文章题目为：High-dimensional deconstruction of HNSC reveals clinically distinct cellular states and ecosystems that are associated with prognosis and therapy response。
本研究最初对104个初级HNSC单细胞样品进行了质量控制和聚类注释，鉴定了256，898个高质量细胞，分为13种不同的细胞类型(图2A)。每种细胞类型都根据经典的HNSC标记基因进行了注释(图2B)。然后，本研究应用具有非负矩阵分解(NMF)的EcoTyper框架来识别每种细胞类型的3至9种细胞状态，最终识别66种不同的细胞状态(图2C)。这些包括:(1) B细胞:六种状态，包括表达LRMP和AICDA的生发中心B细胞，以及表达IGHD和FCER2的幼稚B细胞。(2)浆细胞:九种状态，包括atp5mc 1+浆细胞和atpi f1+浆细胞。(3) CD4+T细胞:三种状态，包括表达CCR7的初始CD4 T细胞状态。(4) CD8+T细胞:三种状态，包括GZMA+效应性CD8 T细胞和foxp 3+调节性CD8 T细胞。(5) NK细胞:五种状态，包括高表达IFNG的NKT细胞。(6)单核细胞:三种状态，包括同时表达CD14和FCGR3A的中间单核细胞(7)巨噬细胞:七种状态，包括SPP1+巨噬细胞、CXCL9+巨噬细胞、APOE+巨噬细胞、TGFBI+CXCL8+巨噬细胞[19]和增殖性巨噬细胞。(8) cDC:三种主要的cDC状态，包括表达CLEC9A的cDC1和表达CLEC10A的cDC2。(9) pDC:六大pDC状态。(10)肥大细胞:五大状态。(11)成纤维细胞:四种状态，包括TG FBI+WNT5A+成纤维细胞、acta 2+成纤维细胞、CFD+炎性成纤维细胞。(12)内皮细胞:六种不同的状态，包括淋巴管内皮细胞(以CCL21和PROX1表达为特征)、动脉内皮细胞(以HEY1和IGFBP3表达为特征)和静脉内皮细胞(以ACKR1表达为特征)。(13)上皮细胞:六种状态，包括以WNT5A的高表达为特征的高度恶性上皮亚型。
图 2
为了验证从原始HNSC单细胞样本中识别的细胞状态，本研究使用相同的聚类和注释策略将27个转移性HNSC样本分类为相同的13种细胞类型。使用EcoTyper框架，本研究成功地恢复了原始样本中鉴定的几乎所有细胞状态(图2D，证明了它们的稳健性。
本研究利用EcoTyper的独特功能绘制了HNSC 66个细胞状态的预后图。对总存活率的分析将这些细胞状态分为有利和不利两类，确定了与较差存活率相关的六种细胞状态和与有利结果显著相关的七种细胞状态(图3A)。值得注意的是，细胞状态丰度和患者结果之间的关联在验证队列中是一致的(图3B)。在训练队列中与患者结果显著相关的13种细胞状态中，有6种在验证队列中保持其显著性。
通过检查细胞状态之间的共现模式来鉴定HNSC生态型，并且使用空间转录组学来验证生态型和细胞状态的空间分布。最后，检查了肿瘤生态型和患者结果之间的联系，以及在训练和验证队列中跨几个免疫治疗和化疗队列的细胞状态、生态型和治疗敏感性之间的关系分析(图3C)。
图 3
本研究还发现了几个额外的预后关联。例如，atpi f1+atp5g 1+线粒体代谢相关浆细胞(S08)与两个队列中HNSC患者的改善结果相关(图3C)。为了进一步验证这些发现并提供ACTA2+成纤维细胞的全面可视化，本研究分析了湘雅HNSC TMA队列，以使用两种标记物acta 2和COL1A1来鉴定acta 2+成纤维细胞(图3D)。在图3E，本研究进一步探索了acta 2+成纤维细胞丰度和预后之间的关系，包括公开可用的数据集和湘雅HNSC TMA队列。在分析的所有队列中，acta 2+成纤维细胞丰度较高与预后较差相关。
接下来，本研究采用EcoTyper框架来分析细胞状态共现的模式，并重建HNSC的核心细胞群落。该分析揭示了9种不同的“HNSC生态型”，每种包括3至12种共存的细胞状态(图4A，B)。值得注意的是，几乎每个HNSC患者都表现出一种优势生态型，许多肿瘤包含多种生态型(图4A)。本研究还在转移性HNSC单细胞样品以及TCGA和地理转录组数据集中鉴定了这些生态型，观察到不同样品类型中大多数生态型的一致恢复(图4C)。此外，在转移性HNSC单细胞样品中几乎没有检测到E5和E9，可能是由于仅有27个转移性HNSC单细胞样品的有限样品量(图4D)。
图 4
为了进一步研究每个生态型内细胞状态之间的共定位和相互作用，并验证由生态型分类器识别的9个生态型，本研究分析了8个HNSC空间转录组样本。本研究进行了参考引导的恢复，以估计空间条形码中每个细胞状态和生态型的丰度。属于相同生态型的细胞状态比来自不同生态型的细胞状态表现出更强的空间相关性(图4E)，并且经常位于相同的肿瘤区域内(图4F）。在通过空间转录组学分析的九种肿瘤中，大多数生态型显示出显著的空间聚类(图4G)，这表明这些生态型代表不同的功能单位，包括HNSC的各种细胞状态。
在确定了癌症中的九种主要多细胞生态系统后，本研究探索了它们的临床特征(图5A)。在TCGA-HNSC队列中，两种生态型与预后显著相关。E7主要由抗肿瘤免疫细胞如cDC1和NKT细胞组成，其特征在于免疫相关途径的激活，包括T细胞受体信号传导、NK介导的免疫和白细胞激活。这种生态型与HNSC患者的良好预后密切相关。相反，富含细胞粘附和生长相关途径的E8与更高的死亡风险密切相关，并以TGFBI+成纤维细胞和TG FBI+巨噬细胞水平升高为标志。为了探索E7和E8生态型预后差异的基因组基础，本研究分析了TCGA-HNSC队列中基因组改变的类型。E8生态型表现出更频繁的改变，特别是在与细胞粘附和生长相关的基因中，这可能导致在E8中观察到的更差的预后(图5B，C)。
图 5
为了进一步探讨其对预后和化疗敏感性的影响，本研究对TCGA-HNSC队列中接受TPF单药或联合治疗的78例患者以及在湘雅医院接受TPF化疗的23例HNSC患者进行了综合分析。本研究的发现显示，E1生态型高丰度的患者对化疗反应最好(图6A)。在湘雅和TCGA队列中，化疗敏感患者的E1丰度显著升高(图6B)。与以前的泛癌生态型分类相比，E1对化疗敏感性的预测效力明显更强，表明这种分类在指导治疗决策方面的优越能力。相反，具有高丰度的acta 2+成纤维细胞(S02)的患者表现出对化疗反应最差的预后(图6A)。
图 6
在这些相同的队列中，acta 2+成纤维细胞(S02)丰度在化疗敏感性患者中显著降低(图6C)。生存分析进一步表明，在两个队列中，成纤维细胞(S02)水平高的患者预后明显较差(图S6C，D)。此外，本研究进一步验证了在TMA化疗队列中acta 2+成纤维细胞(S02)丰度对化疗敏感性的影响，证实了在所有队列中acta 2+成纤维细胞的高水平一致表明化疗抗性(图6D，E)。这些结果表明，HNSC细胞状态和生态型可能有助于预测化疗反应。
本研究在HNSC微环境中鉴定了66种细胞状态和9种生态系统的多样化景观，揭示了经典的细胞类型，同时也扩展了以前的免疫分类。生存分析显示，特定的细胞状态和生态类型(生态系统)与患者预后相关，强调了它们作为临床结果指标的潜力。此外，不同的细胞状态和生态型对免疫疗法和化疗表现出不同的反应，其中一些表现出作为治疗效果的预测生物标志物的前景。
码字不易，欢迎读者分享或转发到朋友圈，任何公众号或其他媒体未经许可不得私自转载或抄袭。由于微信平台算法改版，公众号内容将不再以时间排序展示，建议设置“作图丫”公众号为星标，防止丢失。星标具体步骤为：（2）点击右上角的小点点，在弹出界面选择“设为星标”即可。
