临床介导的CD8+ T细胞和NK细胞焦亡发现揭示了黑色素瘤异质性:基于单细胞和批量序列分析

Clinical-mediated discovery of pyroptosis in CD8+ T cell and NK cell reveals melanoma heterogeneity by single-cell and bulk sequence.

作者信息Ying Zhang, Yun Bai, Xiao-Xuan Ma, Jian-Kun Song, Yue Luo, Xiao-Ya Fei, Yi Ru, Ying Luo, Jing-Si Jiang, Zhan Zhang, Dan Yang, Ting-Ting Xue, Hui-Ping Zhang, Tai-Yi Liu, Yan-Wei Xiang, Le Kuai, Ye-Qiang Liu, Bin Li
PMID37620327
发布时间2023-08-24
DOI10.1038/s41419-023-06068-5

实验完整度

高

研究包含单细胞转录组分析、批量测序的WGCNA和免疫浸润分析、ELISA、IHC、多重免疫荧光(TissueFAXS)及预后模型构建等多个独立证据层级,并进行了功能验证和机制探讨。

主要模型

CD8+ T细胞 NK细胞 黑色素瘤组织样本 对照皮肤组织样本

重点核对

样本来源:黑色素瘤和对照皮肤样本来自上海皮肤病医院,黑色素瘤患者9例,对照组来源于美容手术多余皮肤。 单细胞数据:采用GEO数据库的三个数据集(GSE108394、GSE215120、GSE180885),共126987个细胞。 抗体信息:抗GZMA(ab29205,Abcam,1:100)、抗GSDMB(12885-1-AP,Proteintech,1:600)、抗CD8(ZCIA055)、抗CD57(ZCIA273)。 统计分析:实验数据采用GraphPad Prism 8,三次实验重复,组间比较采用双侧t检验,P<0.05为显著。

摘要

组织学上,黑色素瘤组织表皮中焦亡相关基因(PRGs),GZMA,GSDMB,NLRP1,IL18和CHMP4A的阳性细胞百分比低于正常皮肤。焦亡,作为癌症研究的新前沿,影响肿瘤微环境和肿瘤免疫治疗。然而,焦亡的作用仍存在争议,部分原因是黑色素瘤细胞组成的异质性。在本研究中,我们对黑色素瘤标本中焦亡的单细胞转录组景观进行了全面分析。我们的发现揭示了PRGs表达的失调,特别是在免疫细胞中,如CD8+细胞(代表CD8+ T细胞)和CD57+细胞(代表NK细胞)。此外,免疫组化和多重免疫荧光染色实验结果进一步证实GZMA+细胞和GSDMB+细胞主要在免疫细胞中表达,尤其是在CD8+ T细胞和NK细胞中。黑色素瘤标本中GZMA+合并CD8+ T细胞(0.11%)和GSDMB+合并CD57+细胞(0.08%)的存在极少,而对照组分别为4.02%和0.62%。上述发现表明,肿瘤内免疫细胞减少可能削弱焦亡能力,从而对黑色素瘤的抑制作用构成潜在风险。为了量化临床相关性,我们构建了一个预后风险模型和个体化列线图(C-index=0.58, P=0.002),提示PRGs在恶性黑色素瘤预防中的潜在作用。总之,我们整合的单细胞和批量RNA-seq分析确定了免疫细胞簇和免疫基因模块,并通过实验验证,有助于更好地理解黑色素瘤中的焦亡。

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
黑色素瘤中焦亡相关基因的表达是否因细胞类型而异,以及其临床意义如何?
核心机制
焦亡相关基因GZMA和GSDMB主要由CD8+ T细胞和NK细胞分泌,其表达减少可能降低肿瘤微环境中的焦亡能力,从而削弱抗黑色素瘤免疫。
主要证据
通过单细胞RNA测序、免疫组化和多重免疫荧光染色、ELISA等实验,证实了黑色素瘤组织中GZMA+ CD8+ T细胞(0.11%)和GSDMB+ NK细胞(0.08%)比例显著低于对照组(4.02%和0.62%)。
研究意义
为理解黑色素瘤中焦亡相关的免疫机制提供了新的见解,有助于开发更有效的免疫治疗靶点和生物标志物。

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。

1

焦亡相关基因的筛选和临床相关性分析

通过生物信息学分析筛选与黑色素瘤预后相关的焦亡相关基因。

利用TCGA和GTEx的转录组数据,进行K-M生存分析和PPI分析(MCODE和CytoNCA),筛选出与总生存期显著相关的5个PRGs(GZMA, GSDMB, NLRP1, CHMP4A, IL18)。

2

验证PRGs蛋白表达水平

比较黑色素瘤与正常皮肤组织中PRGs蛋白表达差异。

通过ELISA和免疫组化(IHC)染色检测黑色素瘤和对照样本中PRGs蛋白表达。

3

单细胞RNA测序分析

揭示不同细胞类型中PRGs的表达分布。

对黑色素瘤和正常样本的单细胞转录组数据(GSE108394, GSE215120, GSE180885)进行整合、聚类和注释,分析PRGs在不同细胞群中的表达。

4

免疫细胞亚群轨迹和模块分析

分析免疫细胞亚群的分化状态和基因模块与免疫细胞的相关性。

Monocle2构建免疫细胞发育轨迹,WGCNA分析批量测序中免疫模块。

5

免疫组化和多重免疫荧光验证

验证PRGs在免疫细胞中的表达及肿瘤中的浸润减少。

通过IHC检测CD8+和CD57+细胞浸润,并通过多重免疫荧光染色检测GZMA和GSDMB与CD8、CD57的共表达。

6

预后模型构建

评估PRGs的临床预后价值并构建个体化预测工具。

通过Cox回归分析、K-M生存分析、ROC曲线和列线图构建预后模型。

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。

产品清单

实验环节名称品牌货号
人CHMP4A ELISA试剂盒CUSABIOCSB-CL883630HU2
人GSDMB ELISA试剂盒PYRAMPH103310
人GZMA ELISA试剂盒Abcamab225728
人IL18 ELISA试剂盒Abcamab215539
人NLRP1 ELISA试剂盒CUSABIOCSB-EL015864HU
抗CHMP4A抗体Biossbs-7744R
抗NLRP1抗体Biossbs-6854R
抗颗粒酶A抗体Abcamab29205
抗IL-18抗体BosterBA11806
抗GSDMB抗体Proteintech12885-1-AP
抗CD8抗体zuochengbioZCIA055
抗CD57抗体zuochengbioZCIA273
抗GZMA抗体Abcamab209205
抗GSDMB抗体ThermoFisher12885-1-AP
ProLong Diamond防淬灭封片剂Invitrogen--
TG TSA多重免疫组化试剂盒TissueGnostics--
TissueFAXS系统TissueGnostics--
Zeiss Axio Imager Z2显微镜系统Zeiss--
Image J----
StrataQuestTissueGnostics--

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
样本收集
黑色素瘤患者样本来源于上海皮肤病医院,共9例,需核实肿瘤类型和临床分期;对照皮肤样本来源于美容手术多余皮肤。
阅读提示:参见Materials and methods中的Patients and ethics approval部分。
ELISA检测
使用人ELISA试剂盒检测CHMP4A, GSDMB, GZMA, IL18, NLRP1,样本量n=5,需核实具体操作流程和标准曲线。
阅读提示:参见Materials and methods中的PRGs protein expression detected by ELISA部分。
免疫组化
抗体稀释度和染色条件,样本量n=5(图2)和n=4(图5),图像分析使用ImageJ,需核实拍照放大倍数(×200)和阳性面积计算方法。
阅读提示:参见Materials and methods中的Immunohistochemical部分。
单细胞RNA测序
数据来源GSE108394, GSE215120, GSE180885,共126987细胞,需核实预处理参数(线粒体比例>10%),聚类分辨率0.5。
阅读提示:参见Materials and methods中的Single-cell data processing部分。
多重免疫荧光
抗体对CD8, CD57, GZMA, GSDMB,切片厚度5μm,使用TissueFAXS系统,放大倍数×20,需核实图像分析软件版本和参数。
阅读提示:参见Materials and methods中的Multiplex immunofluorescence staining部分。