2023-01-12
转眼2023伊始，但无论何时，科研实验的探索总是不可松懈，年关虽已将至，仍有不少老师同学前来咨询，大家跟随单细胞的浪潮测了不少单细胞样本，在拿到数据之后却有时陷入迷茫，不知道做哪些挖掘可以解决自己想要说明的问题。本章专题将结合文献和大家聊聊医学肿瘤领域单细胞中常见的分析以及结果阐述。
一、CNV分析 判断细胞恶性程度，区分恶性细胞和非恶性细胞也是肿瘤研究中的关键问题之一。通常从 scRNA-seq 数据中根据推断的拷贝数变化（CNV）可作为鉴别恶性肿瘤细胞的依据。此外，通过评估细胞周期和细胞干性特征可深入探究肿瘤内细胞表型异质性，追踪其发生发展进程。单细胞CNV分析常常是作为基础肿瘤图谱的一个重要补充，并承担两个主要功能：（1）预测肿瘤细胞；（2）对肿瘤细胞的再分群；相较于基因表达量，CNV提供了一个全新的细胞分群视角，以实现对肿瘤细胞的亚型研究，甚或可以以此推测肿瘤演化路径。
二、肿瘤间细胞通讯分析 细胞通讯分析通过对细胞对的配受体表达量的量化和分布检验，推测细胞之间存在细胞互作的可能性。这种手段为剖析肿瘤微环境提供了一个有力的工具。尤其是肿瘤微环境中的免疫反应、肿瘤生长和免疫逃逸都受到配受体的调控，细胞通讯分析在其中的地位就更加凸显了。 上图 C 中行表示具有细胞间通讯关系的ligand-receptor 对，列表示发生细胞通讯的细胞类型，圆圈大小表示显著性水平，圆圈颜色越红表示相互作用细胞基因的表达值越大。
三、拟时序分析 肿瘤的发生从来不是一下爆发的，也是要经历增殖分化过程才能形成多样的异质性结构，从肿瘤干细胞的诞生，到迫于机体压力产生各种各样的功能性改变，这个过程为解决肿瘤异质性、药物靶点开发、关键基因挖掘也提供了很多思路拟时分析的软件选择很多，例如经典的monocle，进行RNA速率分析的scvelo等，究其本质都是以基因的表达量变化去预测细胞的演化路径。
四、SCENIC 分析 组织内细胞异质性的基础是细胞转录状态的差导，转录状态的特要性又是由转录因子主导的基内调控网络（GRNs）决定并维持稳定的，SCENIC是一种专为单细胞教情开发的CRNS算凑，它的创新之处在干引入了转录因子mou序列验证统计学方法维断的基因共羡达网络，从而识别高可靠性的由转录因子上导的GRNS.。基于单细胞水平的基因表达数据，通过SCENIC分析可以有效识别肿瘤相关的转因子与潜在靶基因之间的共同表达模块(regulon)。 上图为 8074 个巨噬细胞中转录模块表达调控的 AUC 评分热图，其中有 5个转录表达模块在肿瘤和非恶性肺源性巨噬细胞之间表达调控估计值差异较大，则表明其在非恶性肺源性巨噬细胞和肿瘤之间显著差异表达。
以上四个分析点是肿瘤研究中最常见的，当然其他的分析点，例如生存预后分析、WGCNA等也在文章中有不少应用，只是出现频率相对比较低。除此以外，多组学也是一个不错的延展方向，例如单细胞转录组配合普通转录组或者atac等在此因为篇幅我们暂不做详细的展开。在后续的肿瘤专题中，我们也会针对一些实时热门领域做详细介绍。
