今天来学习一篇发表在 Cancer Cell 杂志（IF=48.8）上的文献，于2022年12月12日发表，标题为《High-resolution single-cell atlas reveals diversity and plasticity of tissue-resident neutrophils in non-small cell lung cancer》 ，通讯作者Andreas Pircher，Zlatko Trajanoski。
这篇文献是一篇极其典范的单细胞python流派的数据分析 文章，集合了单细胞数据预处理，数据合并，数据整合，数据注释等工作 。跨数据集和大数据量！应该有很多细节值得学习，更特别的是注释工作，做这样的一个大数据量的图谱类细胞类型注释，可以看看里面到底是如何处理各种分析细节的！
数据和代码 文章的数据队列，基本上都可以下载。提供的数据在这里： Processed input data：https://doi.org/10.5281/zenodo.6411867 可复现的代码：https://github.com/icbi-lab/luca 提供了清晰的分析步骤： 下游分析： 代码一撇： 看一个脚本： # --- # jupyter: # jupytext: # formats: ipynb,py:light # text_representation: # extension: .py # format_name: light # format_version: '1.5' # jupytext_version: 1.6.0 # kernelspec: # display_name: Python [conda env:.conda-scanpy_2020-12] # language: python # name: conda-env-.conda-scanpy_2020-12-py # --- import scanpy as sc import pandas as pd from glob import glob from pathlib import Path import re import scipy.sparse from multiprocessing import Pool import anndata filenames = glob(
"../../data/11_own_datasets/batch1_3patients/processed/*.csv" ) meta = pd.read_excel( "../../tables/patient_table_batch1_3_patients.xlsx" , engine= "openpyxl" , skiprows= 1 , skipfooter= 1 ) meta.rename(columns={ "Tumornummer" : "tumor_id" , "Patient" : "patient" , "Alter" : "age" , "Geschlecht" : "sex" , "Tumor" : "tumor_type" }, inplace= True ) meta[ "sex" ] = [{ "W" : 'f' , "M" : 'm' }[x] for x in meta[ "sex" ]] def load_counts (filename) : p = Path(filename) ((patient, tissue), ) = re.findall( "(P\d+)_(.*)\.csv" , p.name) expr = pd.read_csv(p, skiprows= 5 , index_col= 0 ) gene_expr = expr.loc[(~expr.index.str.contains( "\(Ab\)" ) & ~expr.index.str.startswith( "Lex_" )), :] ab_expr = expr.loc[expr.index.str.contains( "\(Ab\)" ), :] obs = pd.DataFrame().assign(cell_id=expr.columns) obs[ "patient" ] = patient obs[ "tissue" ] = tissue obs.set_index( "cell_id" , inplace= True ) adata = sc.AnnData(X=scipy.sparse.csc_matrix(gene_expr).T, obs=obs) adata.var_names = gene_expr.index adata.obsm[ "surface_protein" ] = ab_expr.T return adata with Pool( 16 ) as p: adatas = p.map(load_counts, filenames) adata = anndata.concat(adatas, index_unique= "_" , join= "outer" ) meta[ "patient" ] = [x.strip() for x in meta[ "patient" ]] adata.obs = adata.obs.reset_index().merge(meta, on=[ "patient" ], how= "left" ).set_index( "cell_id" ) adata adata.obs.drop_duplicates() adata.obs[ "condition" ] = "NSCLC" adata.obs[ "origin" ] = [ "tumor_primary" if c == "Tumor" else "normal_adjacent" for c in adata.obs[ "tissue" ]] adata.obs[ "sample" ] = [ f" {patient} _ {origin} " for patient, origin in zip(adata.obs[ "patient" ], adata.obs[ "origin" ])] adata.obs[ "sex" ] = [{ "m" :
"male" , "f" : "female" }[s] for s in adata.obs[ "sex" ]] adata.obs[ "tissue" ] = "lung" adata.obs.drop_duplicates() # !mkdir -p "../../data/11_own_datasets/batch1_3patients/h5ad_raw" adata.write_h5ad( "../../data/11_own_datasets/batch1_3patients/h5ad_raw/batch1_3patients.h5ad" , compression= "lzf" ) 还有注释的marker表格： 文章分析大纲 通过整合19项研究、21个数据集共计298名患者的505份样本（图1A）， 「首次构建了非小细胞肺癌核心图谱」 。这一综合性单细胞图谱汇集了经专家审定、质量保证且经过预分析的转录组数据，数据来源包括公开研究及我们自有数据集（UKIM-V），涵盖所有组织学类型的早期与晚期非小细胞肺癌。
非小细胞肺癌核心图谱 该核心图谱共整合898,422个单细胞，基于既往建立的经典单细胞标志（图S1A）将其注释为12个粗粒度细胞类型及44个主要细胞亚型/状态（如分裂期细胞），包括169,223个上皮细胞、670,409个免疫细胞及58,790个基质与内皮细胞（图1B）。通过已报道的标志基因22（图S1J），我们进一步标注了关键CD8+ T细胞亚群（终末耗竭型、活化型、效应记忆型、初始型、NK样、分裂期）。
细胞间通讯分析 LUAD与LUSC中癌细胞向主要免疫细胞进行通讯的Circos图。展示前10个差异表达的癌细胞配体。红色连线表示在LUAD中上调的相互作用，蓝色连线表示在LUSC中上调的相互作用。
各患者亚型中的癌-免疫细胞通讯。上图：各亚型（B、M、T、ID）中癌细胞的差异表达配体（基于伪批量数据的DESeq2分析，FDR < 0.1）。下图：相应受体及其按细胞类型的表达情况。点的大小和颜色分别表示表达受体的细胞比例和基因表达水平（所有患者的平均值）。仅显示在相应细胞类型中至少10%的细胞表达的受体数据点。
组织驻留中性粒细胞特征 A-B：扩展图谱中组织驻留中性粒细胞（TRNs）的UMAP可视化：（A）按肿瘤相关中性粒细胞（TANs）与癌旁组织中性粒细胞（NANs）分类；（B）按组织病理学类型着色（依据组织病理学评估定义）。
C：流式细胞术检测LUAD与LUSC肿瘤组织中中性粒细胞比例（占白细胞百分比）（LUAD n=47，LUSC n=16；Wilcoxon检验，**p<0.01）。水平线代表中位数，须线表示四分位距。
D：TAN候选基因筛选。每个数据点代表同时在NAN和TAN组中至少检出10个中性粒细胞的患者。连线表示各研究的均值。p值通过配对t检验计算并经FDR校正。
E：原发肿瘤样本中不同细胞类型VEGFA表达水平。每个数据点代表至少检出10个细胞的患者（中位数展示，箱线图表示四分位距，须线范围为1.5倍IQR）。
F：基于DoRothEA的TAN与NAN转录因子分析。每个数据点代表单个患者，条形表示所有患者均值。展示平均评分差异>0.2且FDR<0.1的转录因子，p值经配对t检验与FDR校正。
G：流式细胞术验证选定候选基因在肿瘤与癌旁样本中的差异。每个数据点代表未纳入scRNA-seq数据集的病例。配对Wilcoxon检验，p<0.05，***p<0.0001。CD16图示：水平线代表中位数，须线表示四分位距。
H：LUSC患者肿瘤组织与匹配癌旁肺组织中LOX-1（红色）与全细胞角蛋白（绿色）的多重免疫荧光染色。比例尺：100微米。
今天分享到这~ 
