博客

Cell文献解读丨同是研究三阴乳腺癌,为何偏偏它有28分?

三阴乳腺癌约占乳腺癌的 10%-15%,可能对新辅助化疗有反应,但通常会产生耐药性。研究人员利用单细胞DNA和RNA测序的联合分析对三阴性乳腺癌(TNBC)在基因组和转录水平上的药物抗性的进化轨迹,从而研究清楚基因突变是原先存在的还是化疗诱导耐药标志物转录的。这些研究将对这种癌症的诊断、预后和治疗具有临床意义。

三阴乳腺癌(TNBC)是指雌激素受体、孕激素受体和原癌基因Her-2均为阴性的乳腺癌,约占乳腺癌的 10%-15%。

今天小编就来给大家分享一下关于它的相关研究情况,以一篇28分高分的cell文章为例。小编今天为什么会突然翻它的“牌子”呢?那还有什么原因,因为它火呗!不信?

随便在GCBI平台上一检索相关文献,3431篇文献就跳了出来,而近5年发表的数量超过了80%,2818篇,更吓人的是,2018年还没过去一半,就已经有199篇文献了,这热度还用说嘛。

而在这么多文献中,大于15分的高分文章只有218篇,这个数字连总数的十分之一都不到,而能够达到28分以上的,更是凤毛麟角。

既然大家都在研究三阴乳腺癌,那这篇文章能发在CELL上必有其“过人之处”。这篇文章的亮点可以分为两部分: 一个是技术的创新,另外一个就是研究成果。技术上,它是第一个利用单细胞测序,从单细胞的RNA、DNA层面来联合多组学联合分析,从而多方面研究其作用的深层机制的文章;研究成果上,其利用生物信息学分析研究解决了关于TNBC的一个长期悬而未决的问题,即化疗药物的抗性是由于少量先前存在的基因突变引起的,还是因为治疗的原因引起了基因的突变。

那么这篇文章是如何解决这个问题,才达到高分?答案就是高通量测序技术加上高级生信分析。不是说我们做分析就自卖自夸,而是生信分析实在是火,这篇文章有超过60%都是在说生信分析。今天小编就来给大家解析一下这篇文章,膜拜一下28分的生信分析是怎么做的  ↓↓

研究背景

三阴性乳腺癌(TNBC)是一种侵袭性的亚型,常对化疗产生耐药性。一个悬而未决的问题是化疗药物的抗性是由于少量先前存在的基因突变引起的,还是因为化疗引起了基因的突变

研究策略

为了探讨这个问题,先采用外显子组测序,以在新辅助化疗(NAC)治疗前,治疗中,治疗后纵向检测20 个TNBC患者的组织样本,发现10例患者在NAC治疗后导致突变消失,而剩下的10例患者在治疗后突变仍然存在。研究者对其中8例患者进行了更详细的研究,使用单细胞DNA测序分析900个细胞,单细胞RNA测序分析6862个细胞。

研究结果

分析结果表明耐药基因型是预先存在的,其由NAC自适应选择。TNBC患者化疗时,进行重编程获得转录谱。

文章亮点

  • 乳腺癌化疗患者的单细胞测序
  • 患者经过化疗治疗后,表现出突变持久性或突变消失
  • 通过对先前存在的基因组突变的自适应选择产生抗性
  • 化疗诱导耐药标志物的转录重编程

小编看完文章最大的感受就是:大部分的内容都是生信分析!现在生信分析那么火,应该没有人不知道生信分析吧,但是分析与分析是不一样的,接下来咱们一起来学习一下别人是如何做分析的。

研究者选取20个患者进行了bulk WES测序,通过WES的标准流程,后续又经过MAF、read count数等筛选,最后得到在每个患者中有两个或者三个样本有非同义突变。具体的分析流程如下:

肿瘤克隆演化分析

通过对拷贝数变异以及肿瘤纯度的标准化,进行了肿瘤克隆演化分析,每个患者得到两个到四个的克隆演化趋势。大体可分为消失型和持续型。

图1  NAC反应中的突变进化和克隆动力学

拷贝数变异聚类t-SNE

探索8个病人的拷贝数进化,做了深度为0.1X单细胞的WGS测序。

对于新辅助化疗(NAC)治疗敏感的患者,DNA测序的CNV结果可以将治疗前后明显的分开。

为了说明四个克隆消亡患者的克隆亚结构,研究者鉴定了群体中所有细胞的共同染色体截断点,并进行了最佳聚类和T-SNE预测。这一分析确定了每个患者的两个到三个非整倍体肿瘤细胞群和一个正常的二倍体细胞群。

(t-SNE)t-分布式随机邻域嵌入是一种用于挖掘高维数据的非线性降维算法,它将多维数据映射到两个或多个维度。

图2 突变消失型患者的拷贝数演变

克隆消亡患者肿瘤细胞转录过程的GSVA分析

为研究NAC对表型进化的响应,对8个NAC治疗敏感与耐药的患者进行单细胞转录组测序。为了确定TNBC患者是否共享癌症表型,研究者进行了基因集变异分析(GSVA)。

基因集变异分析,是一种基因集的富集方法,以无监督的方式估计不同样本的通路活性的变化。

图3  四名克隆消退型患者的单个肿瘤和正常细胞的GSVA评分的聚类

这表明在治疗前肿瘤细胞可激活以下的pathway:actin pathway, CDC42RAC pathway, cell proliferation, undifferentiated cancer, mTORC1 signaling, unfolded protein response, cancer meta-analysis, oxidative phosphorylation, and MYC targets。

GSVA的其他运用方向

GSVA: gene set variation analysis for microarray and RNA-Seq data文章(可登陆GCBI下载文章)由曾在05年发表过有1.4万引用的GSEA算法的broad研究生发表于2013年,GSVA分析用来体现每个样本的在某个基因集(GO,pathway等)的变化情况,除上面讲的应用外,还可应用在以下方向:

  1.  肿瘤分子分型

基于很多胶质母细胞瘤的瘤细胞与成熟的胶质细胞相似,按组织发生原则对其进行分类。

为了深入了解亚型的生物学意义,基于neurons, oligodendrocytes, astrocytes, 和astroglial四种不同细胞类型,计算胶质母细胞瘤亚型所有样本的GSVA的富集分数,通过每个富集分数来反映每个样本的表达与细胞类型表达模式的相关性。

在这种探索性的分析中,可以看出Proneural组样本与oligodendrocytic类型细胞的一致性最大。

图4 GBM亚型单样本GSVA评分与特异性细胞类型的关系

  1.  不同时间的pathway变异分析

通过感染细胞的表达数据来估计pathway随时间点变化的变异。通过GSVA计算已知的生物通路,所有样本通过通路活性评分被分成两组:早期感染和晚期感染。整个转录组的通路活性的聚类结果显示出8H是宿主细胞功能改变的关键点。

图5 非监督聚类的GSVA

  1. 标志物表达变化的功能评估

对RelB表达相关基因进行基因集变异分析,揭示了其与细胞周期和迁移生物学过程的相关性。随着RelB表达的增加,MMP家族基因表达增加(P<0.05)。MMP家族基因与RelB表达呈正相关。特别地,MMP2和MMP9促进癌症中的细胞侵袭和迁移。

总体而言,随着RelB表达的增加,更加促进了胶质瘤的侵袭、迁移和细胞周期生物学过程。

图6 RelB表达变化相关的pathway以及MMP家族

参考文献:

Kim C, Chemo resistance Evolution in Triple-Negative Breast Cancer Delineated by Single-Cell Sequencing, Cell, 2018 May 3;173(4):879-893. doi:10.1016/j.cell.2018.03.041

(2)

本文由 GCBI学院 作者:乞嘚咙咚呛咚呛 发表,转载请注明来源!

热评文章

发表评论