胃癌 (GC) 是中国常见的恶性肿瘤之一，在中国其发病率居各类肿瘤的首位。GC的肿瘤微环境 (TME) 已被证明对肿瘤控制很重要，但其特定特征尚未明确。2022年，清华大学及中国医学科学院肿瘤医院国家癌症中心的研究人员基于单细胞技术对胃癌的多种细胞类型进行了深入研究。
 

文中，作者进行了大量的GSVA分析（基因功能富集分析的一种），几乎出现在每一个模块中，那么作者为什么要用GSVA而非一般的GO/KEGG分析呢？
 

传统GO/KEGG富集分析，仅考虑差异基因，没有考虑基因表达量 ，容易遗漏部分差异表达不显著却有重要生物学意义的基因，这对于发现有意义的通路，无疑是一种障碍。而GSVA使用的是全部基因，理论上更容易捕捉到这些变化细微但很重要的基因参与的通路。鉴于其独特的优势，此次，小编基于这篇文章对GSVA的应用做一个介绍。

 

 

首先，作者取了10名GC患者配对的癌、癌旁及血液样本，质控后得到166,533个细胞。这些细胞被分为基质、免疫和上皮三大类，作者对这些细胞分别进行了描述。

 

为了区分上皮细胞中的肿瘤细胞和正常细胞，作者用inferCNV计算了不同细胞的肿瘤得分，并定义了四个簇：正常簇、肿瘤簇、肠化生簇和不确定簇（图1 d）。分析发现每个正常簇包含来自多个患者的细胞，而每个肿瘤簇由来自单个患者的细胞组成。为了评估患者的肠化生水平，作者利用GSVA计算了scRNA和bulk RNA的杯状评分和肠细胞评分（图1 l、m），证明样本GC08和GC09在癌和癌旁中均显示高水平的肠化生水平，尽管GC07和GC10的肿瘤病理分类分别为肠型和混合型，但两种肿瘤均未显示明显的肠基因表达。
 

图1

 

为了理解基质细胞在TME中的功能，作者对基质细胞进行了重新分群，发现癌和癌旁明显分离 (图2a)，这些基质细胞分为12个不同的簇，其中Endo_1、Fib_1和SMC_1主要在肿瘤组织中富集 (图2b)。基于这些细胞群表现出的特异基因，作者将他们定义为肿瘤相关基质细胞 (TASCs)。

 

血管生成途径是肿瘤进展的关键特征之一，GSVA分析发现，它在TASCs中显著上调 (图2k)。

 

图2

 

骨髓细胞是高度异质的免疫细胞群体，为塑造TME提供了重要贡献。作者在GC TME中确定了八个不同的髓系细胞簇，包括两个单核细胞簇，两个巨噬细胞簇和四个树突状细胞 (图3a)。同样GSVA分析表明，Mφ-APOE共表达M1和M2巨噬细胞的特征 (图3c)，表明经典极化模型可能不适合评估GC中Mφ-APOE的状态。

 

除了三种传统的DC细胞类型，cDC1_XCR1，cDC2_CD1C和pDC_LILRA4，作者还发现了一种非经典的DC细胞类型，DC_LAMP3，其特征是LAMP3和CCR7的特异性表达 (图3b)。在肝细胞癌和其他癌症类型中还检测到LAMP3+DC，并且能够从肿瘤迁移到淋巴结 (图3c)。

 

图3

 

接下来，作者使用TCR克隆信息和伪时间分析来了解T细胞各种亚型之间的细胞状态转换。在T细胞中发现的36,239克隆型中，30,980种克隆型仅被检测到一次，5259种在两个或更多个T细胞中检测到。

 

通常，CD8簇比CD4簇具有更高程度的克隆扩增，除了naïve CD8 T细胞 (CD8_C1) (图4b)。在高克隆性簇中，CD8_C2主要来自血液，GSVA分析表明其标记基富集在细胞迁移相关途径 (图4d)，因此我们推测CD8_C2具有从血液浸润到固体组织的潜力。

 

图4

 

总之，通过GSVA技术，作者对不同基质、免疫细胞亚群进行了比较，表明这些亚群涉及多种不同的功能。作为一种适用范围广，且在SCI文章中常见的分析方式，希望也能运用在各位老师的文章中鸭！