高分文献解析｜空间受配体分析，给单细胞“移花接木”！

文献信息

【文章标题】Pan-cancer spatially resolved single-cell analysis reveals the crosstalk between cancer-associated fibroblasts and tumor microenvironment

【发表杂志】Molecular Cancer（IF：37.3）

【发表时间】2023年10月

【应用数据】单细胞转录组（scRNA-seq）数据，空间转录组（ST-seq）数据

【关键词】泛癌分析（Pan-cancer analysis），癌症相关成纤维细胞（Cancer-associated fibroblasts，CAFs），肿瘤微环境（Tumor microenvironment，TME）

闪光点

癌症单细胞数据分析时，肿瘤微环境（TME）中细胞间相互作用是一个绕不开的分析点。这篇文章中作者利用空间转录组（ST-seq）的数据分析了空间范围内细胞通讯，结合各细胞位置信息揭示癌症相关成纤维细胞（CAFs）的旁分泌如何调节影响TME。

方法与结论

样本：69个泛癌单细胞数据（scRNA-seq）和22个癌症切片空间转录组数据（ST-seq）

亮点解析

空间转录组技术作为2020年Nature杂志推选的“年度技术方法”， 可以同时获得细胞的空间位置信息和基因表达数据，极大的满足了科研工作者们强烈的好奇心，推动生命和健康科学进入空间组学时代。

常见文章的空间转录组（ST-seq）仅仅是用来展示细胞群在空间上的位置排布信息，例如图1这篇文献通过计算肺癌组织每个spot（图1b的每个小点点）和scRNA-seq中各类细胞的基因表达谱的相似度来推断每个spot内包含哪些细胞，这样就可以了解scRNA-seq中各类细胞都分布在组织切片的哪个部位。

图1 LUAD侵袭过程中癌症区域各类细胞分布情况[1]

即便是文中提到了不同种类细胞间相互作用，也是因为细胞空间距离比较近，所以推测会有相互作用。就比如图2对应文章使用空间转录组（ST-seq）的spot数据进行降维聚类及细胞注释后，发现大多数FAP+ fibroblasts和SPP1+macrophages位于同一spot区域（一个spot最多容纳10个细胞），所以推测这两种细胞类型之间存在物理相互作用。那这两种细胞到底通过何种方式哪个通路来进行通讯呢？不知道🤷

图2 结直肠癌患者组织切片细胞分布情况及关键基因表达图[2]

下面我们来学学这篇文章如何有效利用空间转录组（ST-seq）数据的，别只会看细胞的空间位置信息了，花了那么多钱做的实验，得榨干它的价值！

本文除了研究scRNA-seq获得的细胞群的空间位置信息外，还利用空间转录组（ST-seq）分析了细胞间相互作用。不管是scRNA-seq还是ST-seq数据的细胞通讯分析都需要先完成细胞注释，本文采用的ST-seq细胞注释方法是：将分好群的scRNA-seq作为参考数据，使用CellTrek将单个细胞直接映射到组织切片中的空间坐标位置（图3）。

图3 结直肠癌ST-seq空间单细胞图谱展示

之后明确研究主体：作者分析泛癌scRNA-seq数据发现成纤维细胞在不同癌症类型中具有相似的转录特征，所以本文重点分析成纤维细胞。将所有癌症scRNA-seq中的成纤维细胞分亚群获得4群癌症相关成纤维细胞-CAFs（炎症相关iCAFs，代谢相关meCAFs，基质相关mCAFs，增殖相关pCAFs，图4），之后再将这4个CAFs亚群注释到空间坐标中（图5）。

图4 泛癌数据成纤维细胞分亚群（scRNA-seq）

图5 卵巢癌CAFs亚群空间位置分布（ST-seq）

有了空间位置细胞注释信息就可以开始研究细胞间相互作用关系了：由前文分析可知炎症相关iCAFs可以调节免疫细胞反应以促进肿瘤生长和免疫逃逸。作者使用Spatalk来探索iCAFs和CD8+T细胞在空间范围内的相互作用，可获得两种细胞相互作用中显著富集的受配体对（LRIs）及其下游通路。

利用RRA算法对所有组织切片中iCAFs和CD8+T细胞的受配体对数量进行排名（图6），发现LGALS1_PTPRC排名最前，通过文献查询可推断iCAFs可能通过Galectin-1（LGALS1）与CD8+T细胞的PTPRC受体相互作用而损害其抗肿瘤功能。

图6 22张组织切片中iCAFs和CD8+T细胞受配体对数量综合排名（ST-seq）

如果想看单细胞转录组（scRNA-seq）分析得到的受配体对的空间位置，你还得去做个免疫荧光实验（购买LGALS1、PTPRC抗体，然后再找合适的组织样本进行孵育、显色、拍照等，等实验做出来黄花菜都凉了）。

此时空间转录组（ST-seq）的好处就体现出来了，我们通过分析获得重要的受配体对基因后，可以直接在组织切片上标注出来（图7），方便快捷，还不用另外花钱，美滋滋。

图7 LGALS1-PTPRC相互作用在乳腺癌（BRCA）和肝细胞癌（LIHC）切片上的空间分布

如果想研究iCAFs可以影响CD8+T的哪些功能，还可以将与CD8+T细胞结合的iCAFs的配体进行GO富集分析，比如本文就发现iCAFs的配体大多被富集在各种T细胞相关功能中：包括迁移、活化、增殖、趋化、分化、协同刺激、凋亡等（图8）。

图8 与CD8+T细胞结合的iCAFs配体的GO富集分析（ST-seq）

除了与CD8+T细胞的相互作用外，作者还研究了iCAFs与其他免疫细胞群的复杂相互作用，包括巨噬细胞、B细胞、树突状细胞、肥大细胞、中性粒细胞、NK细胞和Tregs。这些发现突出了iCAFs在塑造免疫抑制性微环境方面的关键作用。

与scRNA-seq数据分析细胞间相互作用不同的是，空间转录组（ST-seq）数据需要考虑受配体对的空间距离并在算法上进行整合分析。两种数据输出结果相同，都是显著富集的配受体互作对及其下游通路。单细胞告诉我们不同类型间细胞的通讯方式，空间告诉我们不同区域中细胞的通讯方式。相同的分析点使用不同测序技术数据分析就可以揭示不同侧重点的生物学意义，从而做到学术研究上的“移花接木”！

怎么样，是不是很棒？看多了用单细胞数据分析细胞间相互作用的你/看多了只用空间数据做个注释算个细胞间距离的你，是否觉得眼前一亮呢？这种利用单细胞常规分析点分析空间数据的想法，你学会了吗？

参考文献

[1] Zhu, Jianfei et al. “Delineating the dynamic evolution from preneoplasia to invasive lung adenocarcinoma by integrating single-cell RNA sequencing and spatial transcriptomics.” Experimental & molecular medicine vol. 54,11 (2022): 2060-2076. doi:10.1038/s12276-022-00896-9 IF: 12.8 Q1

[2] Qi, Jingjing et al. “Single-cell and spatial analysis reveal interaction of FAP+ fibroblasts and SPP1+ macrophages in colorectal cancer.” Nature communications vol. 13,1 1742. 1 Apr. 2022, doi:10.1038/s41467-022-29366-6 IF: 16.6 Q1

本文使用 文章同步助手 同步