• 题目：The potential crosstalk between tumor and plasma cells and its association with clinical outcome and immunotherapy response in bladder cancer
  • 期刊|日期：Journal of Translational Medicine | 03 May 2023
  • DOI：https://doi.org/10.1186/s12967-023-04151-1

这篇文章讨论了浆细胞在膀胱癌免疫微环境的所扮演的作用。相比于传统肿瘤预后类文章，觉得有如下几方面新意：

（1）除了TCGA数据，引入了独立的免疫治疗相关数据集；在整个分析流程中起到验证作用；

（2）在单细胞数据的细胞异质性分析中，提供了多角度的衍生分析，充实了数据完整性；

（3）使用配受体对相关基因作为建模候选基因，理论上可以反应建立在互作水平上的预后意义；

（4）文章构图很美观，丰富。除了正文部分展示了最重要的7张图，附件中还有10余张附图。

总体来说是值得借鉴的一篇生信文章，下面简单总结了文章的分析思路。

image-20230623165421412

1、PCs水平对BC生存分析

  • 对两个BC数据集(TCGA, IMvigor210)使用Xcell算法进行免疫浸润分析；
  • 在TCGA中，class-switched memory B cells/PCs与较好预后相关；
  • 在IMvigor210中， PCs与较好预后相关；且Response组的PCs水平较高。
image-20230623143256779

2、BC单细胞数据分析

根据PRJNA662018单细胞数据集，首先分析PCs与Tumor cell的异质性；然后进行cellchat细胞通讯分析。

image-20230623144643387

2.1 两个PCs亚群

  • 首先根据CD79A, MZB1表达将cluster11注释为PCs，并进一步鉴定7个亚群；
  • 然后根据抗体相关基因表达，又可将PCs主要分为两个亚群：IGHG1-, IGHA1-；
  • 对这两个亚群进行特征基因(COSG tool)通路分析分析以及拟时序分析阐释二者生物意义。
image-20230623150235684

2.2 六种肿瘤细胞状态

  • 根据CNV水平，从上皮细胞中鉴定肿瘤细胞；并使用NMF算法进行降维分析；
  • 基于肿瘤状态基因集打分，定义出处于6种状态下的肿瘤细胞；
  • 对每种状态肿瘤细胞的特征基因(COSG tool)进行通路分析， 生存分析。
image-20230623150403939

2.3 PCs与Tumor通讯分析

  • 在总体细胞通讯水平中，PCs主要是基质细胞的receiver；是T细胞与MDCs的sender；
  • 在PCs与肿瘤细胞的通讯分析中， 对一些特征通路，配受体对展开深入的分析，例如MIF通路，APP/CD74配受体；
  • 在其中58个显著配受体对涉及基因中，33个基因在TCGA tumor/normal差异表达；16个基因在IMvigor210 response/nonresponse差异表达；
  • 结合空间转录组数据集(GSE171351)对上述中的两个配受体共表达进行了验证。

image-20230623151531913

3、预后模型系列分析

3.1 构建预后模型

  • 基于上述58个配受体对相关基因，采用逐步回归法(My.stepwise R package)，鉴定出由13个基因组成signature；
  • signature衍生的riskscore与TCGA较差预后相关，且预测性能优于其它临床指标；
  • 在IMvigor210数据集中发现riskscore与较差预后相同，同时也与免疫治疗效果负相关。

image-20230623153046194

3.2 模型相关性分析

  • riskscore与Hallmark pathway打分的相关性；

  • riskscore与免疫细胞浸润(Xcell)，评分(ESITIMATE)的相关性；

  • riskscore与TIDE系列打分(https://github.com/jingxinfu/TIDEpy), IPS等的相关性；

  • 高低风险分组与不同BC亚型、药物敏感度、基因突变的相关性分析。

image-20230623154903385