Cancer Cell重磅：终于有肿瘤内B细胞的泛癌单细胞图谱了

Highlight

• scRNA-seq图谱鉴定出10个瘤内B细胞和浆细胞簇

• 特定B细胞亚群与检查点抑制剂治疗反应相关

• 图谱衍生的B细胞基因特征在空间分析中得到验证

• 公开可用的Shiny工具使用户能够交互式地探索图集

摘要图

B细胞在癌症中发挥着多方面的作用，影响肿瘤进展和抗肿瘤免疫反应。它们向 T细胞呈递癌症抗原，通过细胞因子分泌调节T细胞功能，在肿瘤内部或周围形成TLS，并产生抗体。这些行为可以支持或阻碍癌症进展，具体取决于癌症类型和背景。然而，B细胞研究因缺乏全面的分类系统而受到抑制。此外，尽管有多个大型泛癌scRNA-seq T细胞图谱，但人们对开发癌症B细胞图谱的关注较少，导致该免疫细胞子集的作用未被充分认识，并且缺乏用于将新生成的scRNA-seq 数据映射到一组强大的B细胞子集的参考数据集。

因此，本研究确定了7种人类肿瘤类型中10个不同的B细胞亚群，并将其与已发布的检查点抑制剂（CPI）响应数据相关联，使用空间数据验证特征，并开发了Shiny工具用来推进其他研究人员在该领域的工作。

1.B细胞和浆细胞的表型特征

作者从涵盖7种癌症类型的15项研究中分离出B细胞和浆细胞，在应用批量校正和整合数据后，去除了低质量细胞并确定了最佳簇数。接着使用标准Seurat方法进行整合、聚类和差异表达分析。在排除低质量簇后，最终的集成数据集由10 个簇中的126,101个TIL-B组成，包括4个B细胞簇、4个浆细胞簇和2个具有增殖和生发中心（GC）特征的中间簇。

图1. 图谱中瘤内B细胞和浆细胞簇的表征

图2. 追踪B细胞分化轨迹

2.B细胞亚群与免疫检查点抑制（CPI）反应的关联

接下来，作者探索了该图谱的生物学应用。作者通过使用CIBERSORTx评估了B细胞亚群与CPI治疗反应之间的关系，发现不同B细胞亚群对反应的影响因癌症类型而异。进一步分析驱动这些关联的因素，发现移码和逃避mRNA衰变 可能会促进B细胞增殖和侵袭性生长。

图3. B细胞和浆细胞亚群与检查点抑制剂治疗反应之间的关联

3.B细胞亚群和T细胞之间的串扰

考虑到TIL-B与T细胞和其他免疫细胞共定位于TLS、免疫热点和聚集体中，作者进一步研究了B和T细胞之间的串扰。结果发现了不同B细胞簇与多种T细胞相互作用的高度互连网络。

4.肿瘤组织中标记物和空间相互作用的验证

接下来，为了验证图谱确定的关键标记和相互作用，作者分析了公开可用的 CosMx SMI人类非小细胞肺癌（RNA） 数据集（Nanostring）。通过生态位构成分析，证实了淋巴结构具有较高比例的B细胞，而肿瘤基质边界富含浆细胞的空间分布特征。进一步的K最近邻空间分析则证实了每个子集特有的配体-受体相互作用。

图4. 关键标记的空间验证

5.TIL-B注释的在线参考图

最后，为了给研究瘤内B细胞的研究人员创建一个可访问的数据集，作者开发了一个可公开访问的Shiny工具，涵盖整个图谱，允许用户分析数据集，关注感兴趣的基因，并将其与自己的发现进行比较。Shiny工具可以通过https://tigilab.shinyapps.io/shinyapp_labelled/访问。

图5. Shiny工具界面展示

该研究的分析内容看似不多，但是在研究肿瘤内B细胞领域首次提出了一个大型的泛癌肿瘤内B细胞单细胞图谱，并且与CPI 反应数据相关联，为广大研究人员提供了免费的分析工具。小编觉得，做免疫相关的同学有空可以开始深入挖掘起来了！