整合单细胞数据集并鉴定主要细胞类型
建立膀胱癌微环境的全面单细胞图谱，识别主要细胞类型和阶段异质性。
整合5个公开scRNA-seq数据集共530,920个细胞，经质量控制和批次效应去除后，进行无监督聚类并基于已知标志物识别九种主要细胞类型（上皮细胞、T细胞、髓系细胞等）。
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
RUNX3+基底样恶性细胞：膀胱癌免疫抑制微环境的构建者：单细胞与空间转录组学的综合分析
RUNX3+ basal-like malignant cells: architects of an immunosuppressive microenvironment in bladder cancer: a comprehensive bioinformatics analysis of single-cell and spatial transcriptomics
实验完整度
中整合公开单细胞、单核及空间转录组数据，以RNA FISH验证空间共定位；但缺乏体外或体内功能实验验证RUNX3及通路的调控作用。
主要模型
膀胱癌肿瘤样本（scRNA-seq，62例） 膀胱癌单核测序样本（snRNA-seq，30例） 膀胱癌空间转录组样本（spatial，4例） 新鲜冰冻膀胱癌组织（RNA FISH，13例）
重点核对
整合5个scRNA-seq数据集，包括39例肿瘤和23例正常膀胱黏膜，共530,920个细胞 细胞聚类时使用Harmony去除批次效应，聚类分辨率0.4（scRNA-seq）或0.8（snRNA-seq/spatial） RNA FISH使用13例新鲜冰冻样本（6肿瘤、4肿瘤旁组织、3正常黏膜），探针针对RUNX3、KRT19、CD45等16种标志物 RNA FISH实验条件如探针浓度、孵育时间等未明确说明
摘要
背景：目前针对膀胱癌组织样本的单细胞和空间转录组研究有限，强调需要先进的分子和单细胞方法来增强我们对这些复杂性的理解并识别可靠的预后指标。材料与方法：我们整合并分析了五个公开可用的单细胞RNA测序数据集，总计超过530,000个细胞，来自62个膀胱癌和正常样本，进行了综合分析，并使用单核和空间转录组数据集进行了验证。此外，通过RNA荧光原位杂交证实了空间转录组学的发现。结果：我们的整合单细胞分析揭示了膀胱癌中分期依赖性异质性，恶性上皮细胞表现出动态轨迹并富集于PI3K–AKT–mTOR通路。鉴定了一个具有最高基底评分（C8）的恶性上皮细胞亚群；该亚群似乎受RUNX3特异性调控，与较差的预后相关，并主要通过MIF–CD74信号通路与耗竭的CD8 T细胞、IL7R+初始T细胞和FCN1+单核细胞相互作用。在单核和空间肿瘤组织中观察到PI3K–AKT–mTOR和MIF–CD74通路的通路活性评分升高，关键标志物主要在膀胱癌区域显著共定位。结论：我们的研究表明，RUNX3+基底样恶性上皮细胞以及其他免疫抑制细胞亚型、它们的相互作用和通路特征有望作为预后生物标志物。这些见解可能有助于制定膀胱癌的个性化治疗策略。
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
- 膀胱癌中肿瘤细胞异质性及其与免疫微环境的相互作用如何影响预后？RUNX3+基底样恶性细胞是否通过特定信号通路塑造免疫抑制微环境？
- 核心机制
- RUNX3+基底样恶性细胞分泌MIF配体，与耗竭CD8 T细胞、IL7R+初始T细胞和FCN1+单核细胞上的CD74受体结合，并通过辅助受体CD44或CXCR4增强信号，形成免疫抑制微环境；该类细胞还富集PI3K-AKT-mTOR通路，其活性升高可能与不良预后相关。
- 主要证据
- 通过整合单细胞转录组、单核转录组、空间转录组数据，结合RNA FISH实验，发现RUNX3+基底样恶性细胞与免疫细胞间的MIF-CD74相互作用在空间上共定位，且PI3K-AKT-mTOR通路评分在肿瘤组织中升高。
- 研究意义
- RUNX3+基底样恶性细胞、免疫抑制性细胞亚型及其相互作用和通路特征可能作为预后生物标志物，并为膀胱癌个性化治疗策略的开发提供参考。
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。
识别恶性上皮细胞亚群并分析轨迹与通路
探究恶性上皮细胞的异质性、发育轨迹及关键通路激活情况。
通过CopyKAT估拷贝数鉴定恶性和非恶性细胞，对75,768个非整倍体上皮细胞进行再聚类，得到11个亚群（C0-C10）；通过Monocle2和CytoTRACE进行轨迹分析；使用七种方法评分50条hallmark通路。
评估恶性亚群预后意义并预测转录因子
确定与膀胱癌预后相关的恶性亚群及其潜在调控转录因子。
使用BisqueRNA算法对多个bulk RNA数据集反卷积，通过单变量Cox回归和Kaplan-Meier分析评估恶性亚群的预后关联；使用pySCENIC预测亚群特异的转录因子活性。
分析T细胞和髓系细胞亚群及其预后
识别与恶性亚群相互作用的免疫细胞亚型及其预后意义。
对T细胞（103,165个）再聚类为11个亚群（包括耗竭CD8 T细胞、IL7R+初始T细胞等），对髓系细胞（45,454个）再聚类为10个亚群（包括FCN1+单核细胞等）；利用PROGENy分析通路活性；结合bulk数据反卷积进行生存分析。
推断细胞间通讯
揭示恶性细胞与免疫细胞之间的配体-受体相互作用。
使用CellChat分析不同细胞类型间的配体-受体对，重点关注RUNX3+基底样恶性细胞与其他细胞类型的相互作用。
在snRNA-seq和空间转录组中验证通路激活
独立验证PI3K-AKT-mTOR和MIF-CD74信号通路在肿瘤组织中的激活。
在snRNA-seq数据中比较非整倍体和二倍体细胞中通路评分；在空间转录组数据中分析肿瘤、界面和间质区域的通路评分。
RNA FISH验证标志物共定位
直接在组织水平验证RUNX3+恶性细胞、免疫细胞和通路组分的空间共定位。
对13例新鲜冰冻膀胱癌样本进行RNA FISH实验，检测RUNX3、KRT19、CD45、CD3D等16个标志物的共定位。
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。
单细胞数据整合与聚类
细胞类型注释
转录因子活性分析
细胞通讯分析
空间区域定义
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 单细胞数据处理 | Cell Ranger | 10X Genomics | 7.2.0 |
| 空间转录组数据处理 | Space Ranger | 10X Genomics | 2.1.1 |
| RNA FISH | RNAscope探针 | Spatial FISH Ltd | -- |
| Secure-Seal杂交室 | -- | -- | |
| DAPI | -- | -- | |
| 针对RUNX3、KRT19、PTPRC、CD3D、CD8A、GZMB、IL7R、CCR7、LYZ、FCN1、CD14、PIK3CA、AKT3、MTOR、MIF、CD74的探针 | Spatial FISH Ltd | -- |
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 |
|---|---|
| 数据整合与分析 | 数据集来源（GSE135337, GSE222315, HRA000212等）；样本数量（62例）；细胞数量（530,920）；批次效应去除方法（Harmony）；聚类参数（主成分数、分辨率）。 阅读提示：Methods: Datasets preparation and process |
| 恶性细胞鉴定 | CopyKAT的版本和参数；非整倍体细胞数量（75,768）；亚群聚类分辨率（0.1）。 阅读提示：Methods: Malignant epithelial cells prediction and trajectories inference |
| 通路评分 | 七种方法的具体参数（AUCell、UCell等）；MSigDB版本（2024.1.Hs）；评分归一化方式（[0,1]）。 阅读提示：Methods: Pathway enrichment analysis |
| 生存分析 | BisqueRNA反卷积的参数；Cox回归模型；最优截断值确定方法（surv_cutpoint函数默认参数）。 阅读提示：Methods: Multiple bulk RNA datasets deconvolution and survival analysis |
| 转录因子活性分析 | pySCENIC版本（0.12.1）和默认参数；人类TF数据库。 阅读提示：Methods: Transcriptional factors enrichment analysis |
| 细胞通讯分析 | CellChat版本（2）和默认参数。 阅读提示：Methods: Transcriptional factors enrichment analysis and cell-cell communication analysis |
| 空间数据区域划分 | SpaCET版本和函数参数；区域定义标准。 阅读提示：Methods: Estimation of the boundaries between tumor and stroma regions in spatial data |
| RNA FISH | 样本收集时间（1年内）；固定和脱水步骤；切片厚度（10μm）；杂交和洗涤条件；探测序列；成像和分析软件。 阅读提示：Methods: RNA FISH |