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。
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;
解读GEO数据存放规律及下载,一文就够 解读SRA数据库规律一文就够 从GEO数据库下载得到表达矩阵 一文就够 GSEA分析一文就够(单机版+R语言版) 根据分组信息做差异分析- 这个一文不够的 差异分析得到的结果注释一文就够
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