没有单细胞的年代如何研究两个细胞亚群的差异呢

肿瘤微环境这个热点应该不仅仅是集中在免疫细胞，其实还有基质细胞，其中热度最高的基质细胞应该是Cancer-associated fibroblasts (CAFs) 。

但是目前呢，学界对CAFs的来源本来就是并不那么清晰，理论上不可能存的单一的标记基因来区分出来CAFs。通常CAFs有4种来源：

  • The primary source is normal local fibroblasts, which are activated by stimuli from the tumor microenvironment.
  • Mesenchymal stem cells (MSCs) and other mesenchymal precursor cells are other sources.
  • Endothelial cells and epithelial cells do not belong to the fibroblast lineage, but they could transdifferentiate into CAFs-state cells.
  • Finally, a self-renewable CAFs-stem cell population might exist in the hierarchical organization, and these cells share similar characteristics as MSCs.

如果要筛选CAFs，首先要去除4个基因表达量为阳性的细胞亚群 ：

  • CD31 (an endothelial marker)
  • CD45 (a hematopoietic cell marker),
  • desmin (a smooth muscle cell marker),
  • EPCAM (epithelial cell adhesion molecule, an epithelial cell marker).

然后各种文献整理一下，发现它的阳性标记基因可能是有：α-SMA, Collegen1A1, FAP, FSP1, PDGFRα and PDGFRβ, Podoplanin, and vimentin， 这么多。

以上资料整理来源于新鲜出炉的综述：Front. Cell Dev. Biol., 04 February 2021 | https://doi.org/10.3389/fcell.2021.613534 标题是：《Cancer-Associated Fibroblasts Suppress Cancer Development: The Other Side of the Coin》，前面我们在推文 细胞亚群的特异性标记基因也许真的很难提到的Cancer-associated fibroblasts (CAFs)是比较难以精确的细分亚群。

有单细胞测序手段的时候，尚且如此难弄清楚Cancer-associated fibroblasts (CAFs)，那么在没有单细胞的年代，到底该如何研究它呢？

我看到了一个2011的文章：《Prognostic gene-expression signature of carcinoma-associated fibroblasts in non-small cell lung cancer》，在 Proc Natl Acad Sci U S A 2011 Apr 26;108(17):7160-5. PMID: 21474781

We established primary cultures of CAFs and matched normal fibroblasts (NFs) from 15 resected NSCLC.

数据在：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE22874

包括了两个表达量芯片数据集：

GSE22862  [expression profiling_CAFs]
GSE22863 [expression profiling_NSCLC stroma]

每个数据集都是30个样品，这里面的分析可以有很多种花样，但是我看了看文献里面的差异基因的热图，有点像是强行找差异。

看起来是强行找差异

学徒作业

差异分析相信大家都不陌生了，基本上看我六年前的表达芯片的公共数据库挖掘系列推文即可；

首先你需要完成前面提到的GSE22874 里面的2个表达量芯片数据集各自的差异分析，然后呢，2019的这个单细胞转录组数据集GSE117570就是4个NSCLC病人的N-T配对测序。理论上，前面提到的GSE22874数据集里面的分析，应该是可以在GSE117570这个单细胞转录组数据集里面验证一下。

这个难度有点大！

完成学徒作业，以markdown笔记的形式发到我邮箱，我会抽时间集中检查，挖掘其中足够优秀的小伙伴进行重点培养，给与更高级的学习资料或者个性化的学习指引，并且提供一定量的项目兼职测试一下你成为“数字游民”的潜力。

加油哦，我的邮箱是  jmzeng1314@163.com ，另外两次求贤令：曾经我给你带来了十万用户，但现在祝你倒闭，以及 生信技能树知识整理实习生招募

赞 (0)

相关推荐