Cancer Cell重磅:终于有肿瘤内B细胞的泛癌单细胞图谱了

肿瘤浸润B细胞(TIL-B)在肿瘤的发生、进展和预后中发挥着重要作用,但缺乏全面的分类系统。

今天,小编要和大家分享一篇 2024年10月 发表在 Cancer Cell(IF:48.8) 上的文章,通过整合已有研究的数据集,提出了一个涵盖7种人类肿瘤的大样本队列的肿瘤浸润B细胞和浆细胞的泛癌单细胞RNA测序 (scRNA-seq) 图谱,并且进一步开发了可公开访问的Shiny工具,允许用户分析数据集,并将其与自己的发现进行比较。

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

背景介绍

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。


主要结果

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

小结

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!

THE END