单细胞转录组数据质量控制与细胞分型
鉴定ccRCC组织中的主要细胞类型和亚群
对24,550个单细胞进行聚类分析，识别15种主要细胞类型，并进行亚聚类，共获得39个亚群。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
单细胞转录组分析揭示透明细胞肾细胞癌的瘤内异质性，导致不同的临床结局
Single-Cell Transcriptome Analysis Reveals Intratumoral Heterogeneity in ccRCC, which Results in Different Clinical Outcomes
实验完整度
中研究整合单细胞转录组分析、免疫荧光验证及TCGA队列临床关联分析，包含多层级验证，但缺乏功能实验和机制验证。
主要模型
ccRCC肿瘤组织及配对癌旁组织 TCGA KIRC队列（533例患者） 免疫荧光组织芯片
重点核对
单细胞RNA测序数据质量过滤标准（UMI≥200，线粒体UMI比例≤10%） CIBERSORTx分析中用于患者分组的细胞亚群比例阈值 免疫荧光染色所用组织芯片的样本组成和抗体稀释度 患者分组方法（ConsensusClusterPlus）及各组的临床特征
摘要
透明细胞肾细胞癌（ccRCC）是肾细胞癌最常见的组织学类型。为了研究ccRCC的瘤内异质性，我们分析了单细胞RNA测序数据，鉴定了15种主要细胞类型以及来自肿瘤或非恶性组织的39个细胞亚群，并通过组织芯片中的免疫荧光染色证实了它们的存在。在本研究中，我们验证了T细胞耗竭是导致ccRCC组织免疫抑制特性的关键因素，并与不良预后显著相关。我们还发现，异常的代谢模式不仅发生在癌细胞中，也发生在肿瘤浸润的基质细胞中。基于CIBERSORTx检测到的每个细胞簇的分数，将来自癌症基因组图谱（TCGA）KIRC数据集的533名患者分为三组。其中一组表现出较低比例的活化CD8+细胞和较高比例的耗竭CD8+细胞，与不良预后相关。因此，免疫抑制性检查点的阻断，不仅是PD-1，还包括LAG3、TIM-3和其他抑制性检查点，可作为ccRCC免疫治疗的潜在靶点。我们的工作将进一步理解ccRCC组织间的异质性，并为治疗ccRCC提供新的策略。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- ccRCC的瘤内异质性如何影响肿瘤微环境组成和患者预后？
- 核心机制
- T细胞耗竭是ccRCC组织免疫抑制的关键机制，涉及多个免疫检查点（如PD-1、LAG3、TIM-3）的上调，并与肿瘤进展和不良预后相关。
- 主要证据
- 单细胞转录组分析显示肿瘤浸润CD8+ T细胞亚群高表达耗竭标志物；免疫荧光验证T细胞耗竭相关蛋白在肿瘤组织富集；TCGA队列分析显示高比例耗竭CD8+ T细胞亚群与不良生存相关。
- 研究意义
- 提出阻断PD-1、LAG3、TIM-3等免疫检查点可能成为ccRCC免疫治疗的新策略，有助于理解ccRCC异质性并指导治疗。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
免疫荧光验证关键细胞亚群
在蛋白水平验证重要细胞亚群的存在
利用组织芯片进行免疫荧光染色，检测包括CD8+LAG3+T细胞、CD8+TIM3+T细胞、CD163+TREM2+巨噬细胞等。
细胞间通讯分析
揭示肿瘤微环境中细胞间的配体-受体相互作用
利用CellPhoneDB分析主要细胞类型和亚群间的相互作用网络。
基因调控网络分析
识别关键转录因子及其调控网络
利用SCENIC分析单细胞数据，推断转录因子活性。
临床关联与预后分析
评估细胞亚群丰度与患者预后的关系
利用CIBERSORTx反卷积TCGA KIRC样本，分析细胞亚群比例与生存的关系，并基于比例进行患者分型。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
单细胞转录组数据分析
细胞间通讯分析
基因调控网络分析
轨迹分析
免疫荧光验证
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 单细胞数据分析 | Seurat | -- | -- |
| 数据分析 | CellPhoneDB | -- | -- |
| 基因调控网络分析 | pySCENIC | -- | -- |
| 拟时分析 | Monocle 2 | -- | -- |
| 功能富集分析 | clusterProfiler | -- | -- |
| 生存分析 | GraphPad Prism 7.0 | -- | -- |
| 图像分析 | ImageJ | -- | -- |
| 免疫荧光 | 组织芯片HKid-CRC060CS-01 | Shanghai Outdo Biotech | -- |
| 抗ALDOA抗体 | Proteintech | 11217-1-AP | |
| 抗ALDOC抗体 | Proteintech | 14884-1-AP | |
| 抗MIOX抗体 | Abcam | ab199729 | |
| 抗GPX3抗体 | Proteintech | 13947-1-AP | |
| 抗金属硫蛋白抗体 | Abcam | ab12228 | |
| 抗CD163抗体 | Proteintech | 16646-1-AP | |
| 抗TREM2抗体 | Proteintech | 13483-1-AP | |
| 抗CD8抗体 | Proteintech | 66868-1-AP | |
| 抗LAG3抗体 | Abcam | ab209236 | |
| 抗HAVCR2抗体 | ABclonal | A13444 | |
| 抗ANGPTL4抗体 | Abcam | ab196746 | |
| 抗CA9抗体 | ABclonal | A13682 | |
| 抗FABP6抗体 | ABclonal | A6906 | |
| 抗FABP5抗体 | Proteintech | 12348-1-AP | |
| 抗ACTA2抗体 | Proteintech | 14375-1-AP | |
| 抗VWF抗体 | Proteintech | 11778-1-AP |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 单细胞转录组数据处理 | 单细胞质控标准（UMI≥200，线粒体UMI比例≤10%）、批次效应校正方法（Seurat IntegrateData）、聚类参数（分辨率1.1） 阅读提示：材料与方法部分：QC and Cell Type Recognition |
| 免疫荧光验证 | 组织芯片型号和来源、抗体稀释度、染色流程 阅读提示：材料与方法部分：Human ccRCC Tissue Array and Immunofluorescence Assay |
| CIBERSORTx分析 | 表达矩阵归一化方法、签名矩阵构建、患者分组阈值（高50%、低50%） 阅读提示：材料与方法部分：Correlation to Public Datasets |
| 临床患者分组 | ConsensusClusterPlus参数、分组数量、生存分析软件及统计阈值 阅读提示：材料与方法部分：Correlation to Public Datasets 和 Statistical Analysis |
| 免疫细胞亚群比例与临床关联 | 统计方法（Cox回归、Kaplan-Meier、ANOVA）和显著性阈值 阅读提示：材料与方法部分：Correlation to Public Datasets 和 Statistical Analysis |