影響因子：6.698

本文可以進(jìn)行更深入的分析發(fā)表更高分的文章，比如，我們在結(jié)合單細(xì)胞分析篩選某種免疫細(xì)胞特有的marker基因，對這些基因進(jìn)行泛癌分析或者腫瘤分型分析。在分型分析中再附上預(yù)后模型或者預(yù)測免疫治療療效。其中構(gòu)建評分也可以使用多種機(jī)器學(xué)習(xí)方法構(gòu)建。這樣的思路肯定是比本篇文章內(nèi)容更多，更新穎。如果想做類似分析，歡迎聯(lián)系小編咨詢。

研究概述：

三陰性乳腺癌(TNBC)是一種侵襲性、致命性的惡性腫瘤。本研究著眼于激活抗腫瘤反應(yīng)所必需的中間T細(xì)胞亞群和腫瘤微環(huán)境，旨在開發(fā)為TNBC患者量身定制的免疫治療方法。

作者從GEO數(shù)據(jù)庫中獲取TNBC的scRNA-seq數(shù)據(jù)，采用多重策略分析和鑒定TNBC的T細(xì)胞異質(zhì)性，重點研究CD8+和CD4+這2種T細(xì)胞亞型，通過結(jié)合METABRIC和GEO數(shù)據(jù)庫，構(gòu)建并驗證了T細(xì)胞標(biāo)記基因的預(yù)后風(fēng)險模型。最后使用CIBERSORT分析TNBC的免疫浸潤細(xì)胞，并探討風(fēng)險模型與免疫治療反應(yīng)之間的關(guān)系。

流程圖：

研究結(jié)果：

一、TNBC的細(xì)胞構(gòu)成

1. （圖2A）本研究共納入10個TNBC單細(xì)胞樣品。

（圖2B）去除低質(zhì)量細(xì)胞、歸一化、整合和PCA后，將25932個細(xì)胞分為14個簇。

（圖 2C）通過注釋這些亞簇鑒定出7種細(xì)胞類型：內(nèi)皮細(xì)胞（簇 12）、上皮細(xì)胞（簇 0、4、8）、組織干細(xì)胞（簇 6、13）、B 細(xì)胞（簇 7、10、14）、T 細(xì)胞（簇 1、2、5、11）、巨噬細(xì)胞（簇 3）和單核細(xì)胞（簇 9）。

2. 圖D顯示了不同樣品中存在的細(xì)胞類型。圖E-G顯示了每種細(xì)胞類型的重要標(biāo)記基因。

3. （圖3）根據(jù)文獻(xiàn)中列出的標(biāo)記基因，對獲得的T細(xì)胞亞群分類和鑒定:

（1）CD4 T細(xì)胞高表達(dá)IL7R、FOXP3、CCR7（簇1、2、3、5、6、7、13、14、16、17）;

（2）CD8 T細(xì)胞高表達(dá)GZMH、CD8B、CD8A（簇0、4、8、9、10、11、12、15）。

二、與 T 細(xì)胞相關(guān)的細(xì)胞間相互作用分析

1. 圖4利用Cellchat檢測配體-受體對以及不同細(xì)胞之間的分子相互作用。

2. 配體-受體介導(dǎo)的細(xì)胞相互作用主要存在于MIF信號通路(MIF-CD74+CXCR4和MIF-CD74+ CD44)中(圖D)。其中，配體-受體對MIF-CD74+CXCR4對該通路中貢獻(xiàn)最大(圖E)。ACKR3和CXCR2的基因表達(dá)也與該信號通路相關(guān)(圖F)。

三、T細(xì)胞的軌跡

1. Monocle 2進(jìn)行T細(xì)胞的偽時序分析，大致有7種分化狀態(tài)，不同狀態(tài)下2種亞型的含量不同。結(jié)果顯示，T細(xì)胞分化為CD4+細(xì)胞和CD8+細(xì)胞(圖5A)。

2. 隨發(fā)育時間變化，基因分為4個簇，分別與淋巴細(xì)胞介導(dǎo)的免疫、蛋白折疊、免疫球蛋白和細(xì)胞質(zhì)翻譯相關(guān)(圖5B)。圖5C顯示了6個T細(xì)胞標(biāo)記基因的動態(tài)表達(dá)，可以看出它們的表達(dá)在不同的分化時期有所不同。

四、GO，KEGG和GSEA富集分析以闡明T細(xì)胞中標(biāo)記基因的生物學(xué)功能

1.（圖6A）GO富集結(jié)果表明，生物過程（BP）主要與細(xì)胞質(zhì)翻譯、抗原加工和呈遞、T細(xì)胞活化調(diào)控、肽酶活性調(diào)節(jié)和白細(xì)胞-細(xì)胞粘附有關(guān)。

細(xì)胞成分（CC）主要與局灶黏附、基底細(xì)胞連接、細(xì)胞質(zhì)核糖體、核糖體和核糖體亞基有關(guān)。

分子功能（MF）與核糖體的結(jié)構(gòu)成分、鈣調(diào)蛋白結(jié)合、MHC II類蛋白復(fù)合物結(jié)合、MHC蛋白復(fù)合物結(jié)合和未折疊蛋白結(jié)合有關(guān)。

2. （圖6B）KEGG結(jié)果表明，標(biāo)記基因主要富集在T細(xì)胞活化發(fā)揮作用的通路中，包括Th1、Th2和Th17細(xì)胞分化、細(xì)胞粘附分子、T細(xì)胞受體信號通路、肌動蛋白細(xì)胞骨架和PD-L1表達(dá)調(diào)控以及PD-1檢查點信號通路。

3.（圖6C）GSEA結(jié)果還涉及了T細(xì)胞受體信號通路。

五、預(yù)后模型的構(gòu)建與驗證

1. 從單細(xì)胞數(shù)據(jù)中選擇1299個標(biāo)記基因的T細(xì)胞與METABRIC數(shù)據(jù)集的TNBC表達(dá)矩陣相交。隨后，單變量Cox回歸分析了METABRIC隊列中106個潛在預(yù)后基因，之后進(jìn)行Lasso和多變量Cox回歸分析，確定4個基因（OPTN，TMEM176A，PKM和HES1）為獨(dú)立的預(yù)后基因。

2. 將TNBC患者分為低?；蚋呶＝M，在訓(xùn)練隊列（METABRIC）和測試隊列（GSE58812）中，高危組患者的預(yù)后都較差。此外，ROC曲線顯示，訓(xùn)練隊列（圖7A）的AUC為>0.7，測試隊列（圖7B）的AUC為>0.65，表明四個預(yù)后基因是TNBC患者OS的較好預(yù)測因素。

六、TNBC與免疫細(xì)胞浸潤及免疫檢查點的相關(guān)性

1. 基于METABRIC數(shù)據(jù)集，使用CIBERSORT算法分析腫瘤浸潤免疫亞群的比例，并在TNBC樣本中構(gòu)建了22個免疫細(xì)胞譜(圖8A)。

2. 使用Estimate R包評估高危組和低危組患者的TME。免疫評分，基質(zhì)評分或ESTIMATE 評分越高，TME中免疫或基質(zhì)成分越多。本研究中，低危組的免疫評分、基質(zhì)評分和ESTIMATE評分較高，腫瘤純度評分較低，表明低危組TNBC患者的腫瘤比例較低（圖8B）。

3. （圖8C）免疫細(xì)胞的浸潤水平分析表明，T細(xì)胞CD8、幼稚T細(xì)胞、CD4記憶活化T細(xì)胞和T細(xì)胞γδ在低危組表達(dá)較高，而T細(xì)胞濾泡輔助細(xì)胞和調(diào)節(jié)性T細(xì)胞（Tregs）在高危組表達(dá)較高。另外，低危組中的靜息樹突狀細(xì)胞和靜息NK細(xì)胞與TNBC患者的生存預(yù)后不良有關(guān)。

5. （圖8D）免疫檢查點差異分析表明，B2M、CD8A、CD40、CD40LG、ICOS、IFNG、IL23A和PTPRC在低危組中表達(dá)較高，與TNBC患者生存預(yù)后不良相關(guān)。

研究總結(jié)：

本研究首先闡明了TNBC中T細(xì)胞在功能富集、細(xì)胞分化軌跡和細(xì)胞間通訊方面的異質(zhì)性，并將OPTN、TMEM176A、PKM和HES1確定為獨(dú)立的預(yù)后基因，該模型有助于預(yù)測乳腺癌的預(yù)后和對治療的反應(yīng)，為了解TNBC的T細(xì)胞異質(zhì)性和相關(guān)預(yù)后風(fēng)險模型提供了資源。