企业官网建设流程全解析

虹口手机网站制作,工业设计就业方向及就业前景,新手如何做企业网站,创业好项目作者#xff0c;Evil Genius分享文章之前#xff0c;大家对基因组 单细胞的联合分析思路有了解了么#xff1f;单细胞分析的CNV可以和WES的CNV分析相互对应么#xff1f;比较维度WES-CNV (基于Bulk WES)scCNV (基于scRNA-seq#xff0c;如inferCNV分析)互补与验证关系检测…作者Evil Genius分享文章之前大家对基因组 单细胞的联合分析思路有了解了么单细胞分析的CNV可以和WES的CNV分析相互对应么比较维度WES-CNV (基于Bulk WES)scCNV (基于scRNA-seq如inferCNV分析)互补与验证关系检测本质直接检测对肿瘤组织混合DNA进行测序通过计算测序深度变异直接得出拷贝数信息。间接推断利用scRNA-seq数据中基因的表达量偏差与“正常参照细胞”相比来推断DNA拷贝数的变化。前提是CNV会导致基因表达量的系统性偏移。根本性差异WES看的是DNA本身的数量是原因scRNA-seq推断看的是基因表达水平的间接表现是结果之一。两者并非检测同一物质。分辨率基因组分辨率高可精确定位到具体的外显子/基因区域通常几十kb到Mb级。细胞分辨率低结果为所有细胞CNV状态的加权平均。基因组分辨率低通常只能识别较大的染色体区段整臂或整条染色体水平分辨能力有限。细胞分辨率极高可展示细胞群体水平的CNV模式差异识别恶性细胞亚群。信息互补WES是“高精度地图”精确定位断点和拷贝数。scRNA-seq推断是“细胞分布热力图”显示哪些细胞群体具有相似的大规模拷贝数变异模式。主要优势1.金标准与定量准是临床和科研中鉴定CNV的可靠方法可估计绝对拷贝数。2.灵敏度高能发现低频、小片段CNV。3.技术成熟流程标准化可重复性好。1.解锁肿瘤异质性核心价值在于无需预先分离即可将恶性细胞显示大规模CNV与正常微环境细胞无大规模CNV区分开并进一步划分恶性亚克隆。2.关联表型CNV推断与同一细胞的全转录组数据天然整合可直接分析CNV对下游基因表达网络的影响。优势互补WES提供准确的变异列表scRNA-seq推断揭示这些变异在细胞生态系统中的分布和功能关联。主要局限1.无法解析异质性无法区分一个CNV是存在于所有肿瘤细胞还是仅存在于一个亚克隆。2.受肿瘤纯度影响大。1. 间接推断噪音大受基因表达生物学波动、技术噪音影响大假阳/阴性较高不能作为绝对定量的依据。2.仅适用于大规模CNV对局灶性、小片段CNV不敏感。3.依赖参考细胞需要从同一数据中定义“正常二倍体”细胞作为参照若参考细胞选择不当结果会失真。相互验证与校正1.WES验证scRNA-seq推断用WES确认的、明确的大片段CNV如chr8q扩增、chr13q缺失作为“地标”检查inferCNV结果中是否在同一位置出现一致信号。这评估了推断的可靠性。2.scRNA-seq推断解析WES结果当WES检测到中等强度CNV信号时inferCNV可揭示这是“广泛弱改变”还是“局部强克隆”从而解释WES信号的细胞来源。3. 联合分析提升价值将WES鉴定的关键驱动CNV如MYC位点作为重点在inferCNV图谱中观察其在不同亚克隆中的表达影响实现“基因型-细胞表型”的整合。今天我们就来分享一篇这样的文章知识积累弥漫性大B细胞淋巴瘤DLBCL对化疗和靶向治疗的反应差异与其基因型和表型的异质性密切相关。研究最初基于细胞起源COO将其分为两类GCB亚型基因表达类似正常生发中心B细胞和ABC亚型类似B细胞受体激活的外周血B细胞。在此基础上遗传谱分析进一步定义了7种DLBCL遗传亚型可通过LymphGen算法划分约62%病例可归类为MCD、BN2、N1、A53、EZB或ST2亚型其中EZB又细分为EZB-DH伴BCL2和MYC易位与EZB-nonDH。遗传亚型与COO分类高度相关EZB最具GCB特征MCD最接近ABC表型。此外N1和A53多呈ABC表型ST2多为GCB表型而BN2表型多变且常被COO分析归为“未分类”。遗传亚型对临床具有重要价值预后分层可区分R-CHOP化疗后不同风险的患者群体指导靶向治疗MCD型对BTK抑制剂伊布替尼敏感且联合R-CHOP可显著改善MCD/N1型患者生存多靶点联合方案ViPOR在MCD和EZB-DH型中疗效尤为突出。为深入解析DLBCL生物学特性研究通过单细胞图谱聚焦三个核心问题1遗传亚型是否具有独特的恶性细胞基因特征和肿瘤微环境2DLBCL是单克隆还是存在遗传/表型异质的亚克隆3各亚型恶性细胞的特征性转录因子网络如何与正常B细胞分化调控相关联DLBCL的分子分型逐步精细化从COO到遗传亚型的演变不仅揭示了疾病异质性更为预后评估和靶向治疗选择提供了关键依据。单细胞研究将进一步解析亚型特异的生物学机制及克隆多样性。结果1、单细胞RNA测序、单细胞ATAC测序及大块肿瘤全外显子组与RNA测序恶性细胞识别与验证通过单细胞RNA数据推断拷贝数变异成功区分恶性B细胞与正常B细胞。推断的CNV与大块肿瘤WES结果一致证明单细胞推断的可靠性。利用克隆性免疫球蛋白序列进一步确认恶性细胞身份。肿瘤微环境细胞图谱鉴定了正常B细胞6个亚群、T细胞12个亚群以及先天免疫与间质细胞6类。EZB-DH亚型的TME最贫乏T细胞数量最少而EZB-nonDH亚型具有最丰富的T细胞浸润提示二者不同的病理生物学特征。MCD亚型的CD8⁺初始T细胞耗竭特征最显著且巨噬细胞富集尤其是促血管生成亚群Angio-Mac。N1亚型富集间质细胞和两类巨噬细胞干扰素激活型IFN-Mac与脂质相关型LA-Mac。微环境与遗传亚型的统计学关联通过空间邻域分析发现EZB-nonDH富集滤泡辅助性T细胞和调节性T记忆细胞。MCD和N1的巨噬细胞虽同属一大类但具有不同的功能亚群特征。结果2、弥漫性大B细胞淋巴瘤遗传亚型的表型特征恶性细胞的表达谱具有亚型特异性基于单细胞亚型评分进行的聚类分析显示不同遗传亚型的恶性细胞形成了相对独立但部分重叠的集群。模型整合了细胞起源信息基于单细胞数据的COO分型ABC/GCB/未分类结果与遗传亚型评分聚类结果高度一致表明所建模型包含了细胞起源信息。模型揭示未分型病例的潜在归属即使在LymphGen算法中未能归入明确亚型的“其他”病例在UMAP图谱上也倾向于与某个遗传亚型重叠提示其具有相似的生物学背景。复合亚型病例的生物学倾向被LymphGen判断为具有多种亚型可能性的复合DLBCL病例其表达谱通常与其遗传主导亚型概率最高者的病例聚集在一起。结果3、通过基因表达特征揭示的DLBCL遗传亚型生物学一、亚型特征基因与关键通路MCD/A53亚型表达谱富集于ABC/活化B细胞特征涉及慢性活跃BCR信号BCRactUp-1、MYC活性、PI3K-mTOR通路、糖酵解与核糖体生物合成。关键转录因子IRF4/SPIB/TCF4活性高驱动其靶基因如AICDA、IL-10表达并倾向浆细胞分化轨迹与浆母细胞特征Basc-8正相关。MCD因CDKN2A频繁纯合缺失而表达低。BN2亚型特征为NOTCH2突变/高表达驱动NOTCH靶基因如EBI3、NOTCH2表达。同样显示慢性活跃BCR信号。N1亚型特征为NOTCH1突变驱动相应靶基因表达。表达谱与记忆B细胞特征强相关且与浆细胞轨迹负相关。BCL6表达下调BACH2与TCF4活性增强符合其记忆B细胞表型。EZB亚型表达正常生发中心B细胞标志物如CD10、LMO2。BCL6表达上调IRF4活性低抑制浆细胞分化。PTPN6SHP-1表达低有利于持续BCR信号。ST2亚型多为GCB表型但缺乏部分GC标记如CD10。NF-κB与JAK-STAT3信号活性高与IκBα、SOCS1失活一致BCL2表达低可能解释其对化疗的敏感性。特征的可重复性与应用价值高度可重复89%的特征基因在独立验证队列中重现。解析未分型病例即使LymphGen未明确分型的病例其表达谱也常与某一特定亚型重叠提示特征模型能揭示其生物学归属。关联遗传异常具有特定遗传异常如NOTCH2突变的病例其对应亚型特征评分显著更高且该规律在已分型和未分型病例中均成立。预后关联特征评分与已知生存关系一致ABC相关亚型MCD, BN2, N1, A53特征与不良预后相关而GCB相关亚型EZB, ST2特征与良好预后相关。在ABC病例中高MCD评分提示不良预后高BN2评分则预示较好预后。各DLBCL遗传亚型具有独特的、可重复的基因表达程序这些程序由特定的驱动突变/通路如NOTCH、BCR、IRF4和转录因子网络塑造并决定了细胞状态如活化B细胞、记忆B细胞、生发中心B细胞与临床预后。结果4、DLBCL肿瘤中表型不同的遗传亚克隆普遍存在通过推断的拷贝数变异CNV模式在大多数肿瘤79% 中检测到多个2-5个遗传亚克隆且与DLBCL亚型或既往治疗无关。可靠性验证大亚克隆的CNV谱在bulk肿瘤测序数据中得到证实支持单细胞推断的可靠性。亚克隆表型差异的量化——六大功能模块通过计算亚克隆与肿瘤内所有恶性细胞平均表达的“偏差评分”将差异表达特征聚类为六个功能模块B细胞分化相关四个生发中心B细胞功能模块富集GC B细胞标志如CD10及DLBCL抑癌基因。记忆B细胞功能模块富集记忆B细胞标志、趋化因子受体CCR6, S1PR1、静息调节因子KLF2及抑制性受体SIGLEC6。浆细胞功能模块包含浆细胞关键调控因子PRDM1、IRF4与XBP1靶基因。泛B细胞功能模块包含B细胞各阶段共表达基因如PAX5, CD20, CD22。恶性增殖/代谢相关两个细胞周期功能模块增殖细胞高表达。细胞生长功能模块调控糖酵解、有氧代谢、蛋白质周转等支持细胞增大的基因显著富集MYC靶基因24%包括多个直接靶点。三、功能模块的生物学意义B细胞分化功能模块在正常扁桃体B细胞亚群中特异地区分不同分化阶段。细胞周期与细胞生长功能模块在正常增殖最活跃的GC暗区细胞中表达最高。细胞周期与细胞生长功能模块虽相关但表达模式可区分。四、肿瘤内亚克隆的表型轨迹功能模块差异同一肿瘤内的不同亚克隆在六大功能模块的表达上呈现显著差异。多样化的克隆轨迹常见轨迹亚克隆保持相同的B细胞分化功能模块但细胞周期/生长主题表达量不同反映增殖/代谢异质性。其他轨迹亚克隆间呈现浆细胞 vs. 记忆B细胞或生发中心B细胞 vs. 记忆B细胞等功能模块的转换。特征模块定义主要表型变异每个特征模块的表达都特异性地富集于特定的UMAP细胞cluster表明这些模块成功捕捉了DLBCL恶性细胞表型变异的主要维度。相比之下遗传亚型在恶性细胞中的分布更为均匀与UMAP簇的对应关系不明显。这说明遗传亚型特征与细胞表型特征模块分别刻画了恶性细胞异质性的不同层面。特征模块揭示肿瘤内亚克隆结构通过可视化具体肿瘤如sc-54 sc-74中不同亚克隆的细胞在UMAP上的位置证实了亚克隆间存在明显的表型分离。示例GCB肿瘤sc-54亚克隆1高表达生发中心B细胞、细胞周期和细胞生长模块富集于UMAP cluster 0和cluster 3而亚克隆2高表达浆细胞模块富集于UMAP cluster 5。GCB肿瘤sc-74亚克隆1表达记忆B细胞模块富集于cluster 6亚克隆2表达生发中心B细胞模块富集于cluster 0。亚克隆结构贡献主要表型变异与单克隆肿瘤相比存在亚克隆的肿瘤在各个特征模块的表达上表现出显著更大的异质性。即使在单克隆肿瘤内特征模块表达也存在差异但程度较轻其中细胞周期和记忆B细胞模块的变异度最大。多重免疫荧光成像验证使用针对特征模块标志蛋白的抗体进行多色免疫荧光成像在组织原位验证了预测的肿瘤亚克隆。表型-蛋白对应验证浆细胞 vs. 增殖细胞在sc-51等肿瘤中成像显示存在高表达浆细胞标志Blimp-1伴CD19表达降低、核偏位的细胞亚群与高表达细胞周期标志Ki-67的增殖亚群互不重叠符合Blimp-1抑制增殖的生物学特性。记忆B细胞 vs. 增殖细胞 / 生发中心B细胞在sc-40和sc-74肿瘤中成像分别证实了记忆B细胞标志CD21 CD23与Ki-67、或与生发中心B细胞标志TOX存在于不同的空间亚群中。结果5、基因表达模块与淋巴瘤发病机制和生存的关联模块表达的亚型偏好与临床预后亚型偏好性浆细胞模块在BN2和ST2亚型中上调。记忆B细胞模块在N1亚型中显著高表达。生发中心B细胞模块在EZB包括DH和非DH亚型中更高。细胞周期与细胞生长模块在MCD和EZB-DH中上调在N1和EZB-nonDH中下调。模块与遗传亚型的关系方差分析表明特征模块无法完全解释遗传亚型特征的全部变异未解释残差EZB 17% 至 BN2 79%证明遗传亚型特征包含了模块之外的独立生物学信息。预后关联生发中心B细胞模块与良好总生存期相关。细胞生长模块与不良生存期显著相关而细胞周期模块无显著预后意义。这凸显了两者在生物学上的差异尽管表达中度相关。二、驱动模块表达的遗传改变CDKN2A缺失 → 细胞周期模块高表达CDKN2A编码p16抑癌蛋白的缺失与细胞周期模块的高表达显著相关在单细胞亚克隆水平得到验证。NOTCH1截短突变 → 记忆B细胞模块高表达这与NOTCH1突变定义N1亚型的发现一致。REL扩增 → 记忆B细胞模块低表达关键新发现意外发现REL基因编码NF-κB亚基c-Rel的扩增与记忆B细胞模块的低表达显著相关。单细胞验证携带REL扩增的亚克隆其记忆B细胞模块的表达显著低于无扩增的亚克隆。表观遗传机制scATAC-seq分析显示REL扩增的亚克隆中开放染色质区域显著富集NF-κB结合基序。三、REL扩增的功能验证阻断终末分化生物学假说REL扩增在GCB肿瘤中常见20-25%可能通过阻断生发中心B细胞向记忆B细胞的终末分化来促进淋巴瘤发生。功能实验在REL扩增的GCB细胞系和具有核REL活性的ABC细胞系中通过表达不可磷酸化的IκBα超级抑制因子来抑制NF-κB活性会导致强烈的细胞毒性。该操作在同样细胞系中诱导了记忆B细胞特征基因和记忆B细胞模块的表达。在REL野生型的GCB细胞系中上述效应均不显著。结果6、正常B细胞分化过程中的基因调控网络SCENIC算法。eRegulon在B细胞分化关键阶段的特异性活性分析揭示了不同eRegulon在B细胞分化关键阶段具有特异性活性生发中心区室TCF3 eRegulon在暗区活性更高符合其促进暗区B细胞增殖的作用。BACH2 抑制性eRegulon在GC B细胞中低表达与其作为促进GC功能的转录抑制因子角色一致。浆细胞显著富集 IRF4、XBP1、PRDM1 的激活型eRegulon分别对应其驱动浆细胞分化、建立分泌表型和双向调控基因的功能。记忆B细胞富集 KLF2 和 STAT1 的激活型eRegulon与其维持B细胞静息状态和造血干细胞功能的作用相符。eRegulon动态变化描绘分化轨迹通过拟时序分析描绘了三条主要分化路径中eRegulon的梯度变化路径#1向增殖性中心母细胞分化静息B细胞 → 中心细胞 → 中心母细胞。伴随 TCF3 和 MYBL1 eRegulon活性的变化。路径#2向浆细胞分化静息B细胞 → 中心细胞 → 浆细胞。伴随 XBP1 和 PRDM1 eRegulon活性的梯度上升。路径#3向记忆B细胞终末分化初始B细胞 → 中心细胞 → 记忆B细胞。 KLF2 和 ETV6 eRegulon活性在初始细胞中高在中心细胞中下降在记忆B细胞中再次升高。结果7、与DLBCL生物学主题和遗传亚型相关的表观遗传图谱通过整合ATAC-seq与转录组数据从转录因子结合基序可及性和增强子调控子活性两个层面揭示了驱动不同DLBCL遗传亚型及其特征生物学模块的转录调控网络。首先通过分析肿瘤细胞中转录因子结合基序的可及性发现其富集模式与特定的遗传亚型和功能模块显著相关。例如调控浆细胞分化的转录因子基序与ABC相关亚型及浆细胞、增殖模块相关联而生发中心B细胞相关转录因子基序则与EZB亚型及生发中心模块相关。更为重要的是基于SCENIC算法推断的增强子调控子活性分析成功地将恶性B细胞亚克隆区分为ABC与GCB两大谱系并进一步区分了具体的遗传亚型。研究鉴定出大量在特定遗传亚型中活性显著增强或减弱的调控子它们与对应的B细胞分化模块相关联并部分由其所在亚型中高频突变的基因编码。综合分析提出了一个三层级分化轴调控模型DLBCL遗传亚型的转录状态受调控正常B细胞分化的转录因子驱动主要沿生发中心B细胞、记忆B细胞和浆细胞这三个主要分化轴向变化。例如EZB和ST2亚型利用生发中心调控网络MCD、A53和BN2亚型利用浆细胞调控网络而N1亚型则利用记忆B细胞调控网络。此外研究为关键抑癌基因如N1和MCD亚型中高频失活的TBL1XR1和ETV6的功能提供了新见解它们的抑制性调控子在对应亚型中活性降低表明其失活促进了这些亚型的恶性表型。看看CNV分析部分生活很好有你更好