见招拆招,一起来看看到底咋回事儿~01肿瘤与免疫免疫细胞与癌细胞就像是两军对战,抗争已久。癌细胞相当“狡猾”!不断通过免疫检查点分子逃避 T 细胞介导的肿瘤免疫。 这不,Tanmoy Saha 等人首次研究了癌细胞和免疫细胞之间的线粒体运输,发现癌细胞可以通过纳米管介导“偷走”免疫细胞线粒体,癌细胞不仅获得了代谢功能,而且在此过程中也严重地使免疫细胞丧失功能[2] 有趣的是,FESEM 图像分析显示癌细胞和免疫细胞通过纳米级管状结构进行物理连接(图 1a-d)。在某些情况下,发现来自癌细胞的单个纳米管与几个免疫细胞串联连接并与免疫细胞膜形成多个接触(图 1d)。 此外,测试了线粒体转移的方向性,结果表明,线粒体的运输主要是单向的——从免疫细胞到癌细胞。免疫细胞:灾难!要无法呼吸了接下来,研究人员通过代谢分析研究了线粒体转移对癌细胞和免疫细胞的影响。 在免疫细胞中观察到呼吸能力显著降低,相反,癌细胞表现出更高的呼吸能力。此外,观察到共培养试验中免疫细胞数量在 16 h 内显著减少,癌细胞则表现出明显更高的生长。
如果你感兴趣这些基因集,可以自己去阅读文献拿到Supplementary Table S4,然后针对这些通路去任意单细胞转录组数据集里面打分,肯定不会是这些免疫基因集仅仅是在免疫相关细胞亚群有活性。 重点是第二层次降维聚类分群里面的 decidual stromal cell和免疫细胞的亚群,如下所示: 其中可以看到,免疫细胞亚群细分的时候有一个iDSC, immune-featured decidual stromal cell,而且在文章的figure4 继续强调了,如下所示: figure4 继续强调了 这一群细胞(iDSC)在免疫细胞里面的时候可以看到它非常特殊因为它的DSC的特征打分过高,跟其它免疫细胞格格不入 但是呢,如果把这一群细胞(iDSC)放在所有的DSC里面它又是无法融入进去,而且它的免疫打分又过高。所以作者做了个层次聚类,蛮直观的展示了这个iDSC其实是与DSC更加接近,如果是跟免疫细胞相比。 (iDSC)更加的具有DSC特征,跟免疫细胞相比。
肿瘤免疫单细胞中心(TISCH)是一个专注于肿瘤微环境(TME)的scRNA-seq数据库。TISCH在单细胞水平提供了详细的细胞类型注释,使不同癌症类型的TME得以探索。 和细胞类型的层级: ? 所以研究肿瘤的老师可以参考啦。 ? 往期回顾 scRNA-seq Clustering quality control(二) CNS图表复现09—上皮细胞可以区分为恶性与否 单细胞初级8讲和高级分析8讲 ---- ---- ----
生信技能树核心成员,单细胞天地特约撰稿人,简书创作者,单细胞数据科学家。 ? 看看各个细胞类型的比例: se = pd.Series(adata.obs['cell_type']) countDict = dict(se.value_counts()) proportitionDict 其实,这个数据中大量的免疫组库的信息,我们并没有去利用。 可以想象一下,免疫组库有哪些分析点,把他们用起来。
如果你也想加入交流群,自己去:你要的rmarkdown文献图表复现全套代码来了(单细胞)找到我们的拉群小助手哈。 今天讲解第三步:根据一些基因的表达来区分细胞是否属于免疫细胞。 我在单细胞天地的教程:是否是免疫细胞很容易区分那是否是肿瘤细胞呢? 不同标记基因在不同细胞亚群的表达情况 其中PTPRC基因代表的是CD45分子,是免疫细胞的标记,所以可以使用它来区分: # Annotate Immune vs Nonimmune clusters # table table(sce@meta.data$immune_annotation) # Make and save relevant plots 接下来可以进行 TSNE plot 可视化,看到免疫细胞和非免疫细胞是泾渭分明 TSNE plot 可视化看免疫细胞 ---- ----
(二)固有免疫细胞对肿瘤的识别与免疫效应1.巨噬细胞(macrophages,Mφ)在抗肿瘤免疫中不仅作为呈递抗原的抗原呈递细胞(antigen presenting cell,APC),而且也是参与杀伤肿瘤的效应细胞 一方面,固有免疫通过MHC分子将外来抗原呈递给适应性免疫细胞,从而启动了适应性免疫应答,并影响了其强度与持续时间;另一方面,适应性免疫释放的多种因子也反过来募集了更多的免疫细胞,并影响固有免疫细胞的活化程度 这两种免疫系统的共同作用实现了机体抵御外来病原物的自我保护目的。(二)适应性免疫细胞对肿瘤的识别与免疫效应1.特异性抗肿瘤细胞免疫 在抗肿瘤细胞免疫中,T细胞介导的特异性免疫应答反应起着重要作用。 TH细胞主要通过分泌多种细胞因子对免疫反应发挥调节作用,而TC细胞则主要作为效应细胞特异性地杀伤靶细胞,同时具有维持抗肿瘤免疫记忆的功能。 2.特异性抗肿瘤体液免疫 与T细胞介导的抗肿瘤细胞免疫不同,B细胞能够通过其表面受体(Bcell receptor,BCR)直接识别并结合可溶性抗原。
研究人员从14例naïve TNBC肿瘤患者中分离了9683个肿瘤浸润免疫细胞,并进行单细胞转录组测序,共获得了22个免疫细胞亚群,包括T细胞、巨噬细胞、B细胞和DC细胞。 进一步分析显示免疫细胞中与TCR信号通路和细胞毒性相关的分子上调,表明TCR信号通路被激活。 综上,该文献展示了免疫细胞治疗naïve TNBC肿瘤的单细胞转录组图谱,揭示了新的免疫细胞亚群。 TNBC患者的原发性肿瘤免疫细胞进行了深度单细胞RNA测序。 并通过免疫组织化学染色证实了CD8+ T细胞,CD4+调节T细胞,B细胞和巨噬细胞。 为了发现TNBC免疫治疗的潜在治疗靶点,研究人员试图研究这两种免疫抑制T细胞亚群唯一表达的基因。
不过数据公开的是 PRJNA342632 for exome data and PRJNA243084 for RNA-seq data 背景知识 肿瘤免疫疗法 近年来,肿瘤免疫疗法已成为继手术、放疗和化疗之后的第四种肿瘤治疗手段 肿瘤免疫治疗,主要包括 免疫疫苗 免疫检查点抑制剂治疗 过继性免疫细胞治疗 细胞因子治疗 其中以CTLA4、PD1/PDL1抑制剂为代表的免疫检查点抑制剂,以其显著的临床疗效而备受瞩目。 而本文的研究属于肿瘤免疫治疗的过继性T细胞疗法(ACT)领域,之前以CART为主,最近出现了另外一种疗法——TIL(Tumor Infiltrating T cell,肿瘤浸润淋巴细胞),表现也十分惊艳 不同患者不同肿瘤类型对免疫疗法的反应不可预测,是因为免疫成分的异质性以及肿瘤浸润淋巴细胞(TILs)在单个肿瘤内和患者之间的多样化表型。 of neoantigen-specific lymphocytes in the peripheral blood of melanoma patients》即是从晚期恶性黑色素瘤患者的外周免疫细胞中可根据
T细胞和B细胞是适应性免疫应答的重要成分。 T细胞表面的TCR(T cell receptor)与MHC分子-抗原肽复合物结合,通过促进吞噬细胞杀灭细胞内的微生物或直接杀伤受感染的细胞来执行细胞免疫功能。 基于TCR数据分析,发现肝癌内存在大量肿瘤组织特异的克隆增生的T细胞,但是这些细胞大多处于耗竭状态,从而揭示了肿瘤细胞逃逸免疫监视的原因。 TCR测序,绘制乳腺癌肿瘤微环境中多种免疫细胞表型的单细胞图谱。 单细胞免疫组库研究在抗体开发、用药及疫苗评估等方面也有较高的应用价值。
免疫与炎症在一种疾病种正在被广泛研究,它就是众病之王,癌症,它的发生发展过程为我们展示了癌细胞如何巧妙地集成正常细胞的功能,形成与人体循环系统持续互动的血管支持体系。 ,使损伤局部的血液循环中的白细胞及血浆蛋白渗出损伤因子所在的部位,稀释、中和、杀伤及清除有害物种 炎症反应的消退和终止 实质细胞核间质细胞增生,修复受损伤的组织 可以看出像免疫反应一样,炎症反应中细胞也是主角 得益于通量和灵敏度的极大提升,发现新的细胞类型和状态也为单细胞技术在免疫和炎症研究中广泛应用。 在得到新型的细胞类型/状态亚群之后,我们往往要问:它是如何发挥功能的?它为什么在这里? 血液系统是各种重要免疫和炎症的重要载体,也是各种免疫和免疫事件发生的主要场所。单细胞技术像一个高通量的扫码系统,可以帮助我们快速勘探血管中各类细胞的分化发育、相互作用、功能变化等。 这些信息可以开拓我们对炎症和免疫细胞的理解范畴。
---- 研究内容 事实上,发挥抗肿瘤免疫反应的细胞如想成功清除肿瘤必须考虑两方面的因素。 第一个方面就是需要一支强大的免疫细胞军团,只有拥有训练有素且兼具各项功能的免疫细胞互相协作,才能行驶强大的抗肿瘤免疫的潜力;第二个方面就是需要打入敌军内部,即使再强大的军队到不了战场,那对战争的结果也无济于事 ;而恰恰第二方面是肿瘤细胞逃避免疫细胞攻击的主要手段之一。 本文的研究结果为了解TA-HECs的分子和功能特征,以及它们在肿瘤免疫和免疫治疗期间淋巴细胞进入肿瘤中的作用提供了理论支持。 ---- 展望 总之,这项研究结果揭示了TA-HECs的分子和功能特征,及其在肿瘤免疫和免疫治疗过程中淋巴细胞进入肿瘤的作用。
分享是一种态度 免疫系统 免疫系统中主要包含两类淋巴细胞:B lymphocytes (B cells) 和 T lymphocytes (T cells)。 BCR/TCR 的 CDR3 由 V、 D、 J 三个基因编码,淋巴细胞的成熟过程中,通过 V、 D、 J 基因的重排形成了各种重组序列片段,由于 V、 D、 J 基因片段本身具有多样性,再加上体细胞突变 因此对于淋巴细胞多样性的研究便集中在了 CDR3 区多样性的研究。 基础知识理解 免疫组库:V(D)J序列多样性的集合即为免疫组库(Immune Repertoire, IR) 免疫组库测序目标:5‘转录组+V(D)J片段分析,可同时获得单细胞转录组以及免疫组库数据。 组装后的有效细胞数:有效的细胞数的估计与表达靶向 V(D)J 转录本相关,要求 barcode 有一个 contig 能够有至少 2 个具有足够 reads 支持的 UMI。
install celltypist import scanpy as sc import celltypist from celltypist import models 下载 2,000 个免疫细胞的 免疫细胞的分类非常详细。 一些模型元信息。 请注意,在predicted_labels 中,每个查询细胞通过在给定模型的所有可能单细胞型中选择最可能的细胞来获得其推断标签。 sc.pl.violin(adata_2000, top_3_genes, groupby = 'cell_type', rotation = 90) 感觉还不错,比R语言里面的singleR的可能准确一些,注释免疫细胞时可以考虑用一下 ,singleR注释免疫细胞真是一言难尽。
但随着单细胞应用的出现,研究人员现在可以估计临床样本中单个免疫细胞的代谢状态。 在这里,我们回顾这些单细胞技术和他们验证免疫代谢的共同原则,同时也概述免疫细胞的代谢异质性。 在单细胞分辨率下,解决免疫代谢的时空异质性和阐明这一复杂性将推动免疫代谢领域向前发展,允许转换到临床应用和理解体内免疫学的基础。 关键的免疫代谢概念 单细胞代谢谱分析方法中针对不同代谢蛋白提供了最低限度的免疫代谢背景。关于免疫代谢的更多细节,我们参考了在不同的免疫细胞和疾病中关于这一主题的优秀和更全面的评论。 免疫细胞亚型的关键代谢途径(A)是调节免疫细胞重要的代谢途径,包括最近单细胞分析方法中使用的代谢靶点。 根据谱系标记表达模式识别出不同的免疫细胞亚群后,无需预先分类就可以估计和比较所有免疫细胞亚群的代谢状态。
肿瘤微环境是肿瘤细胞生存和发展的土壤,其中浸润到肿瘤局部的免疫细胞介导了肿瘤免疫微环境,tumor immune microenvironment, 简称TIME。 通过转录组测序,可以获得肿瘤样本中不同基因的表达量数据,通过对应的生物信息学软件,可以得到肿瘤免疫微环境中各种细胞的表达量,从而对肿瘤微环境进行分型,识别浸润的免疫细胞亚群,比较不同亚群的表达情况,结合生存分析 ,进一步筛选某种微环境亚型或者免疫细胞亚群作为biomarker。 基于基因表达谱数据,分析肿瘤免疫微环境组分的软件有很多,大致分成了以下3种策略 1. marker gene 将不同免疫细胞对应的marker genes作为基因集合, 采用类似GSEA的算法来评估样本中高表达的基因在不同免疫细胞的基因集合中是否富集 反卷积 卷积和反卷积是深度学习中常见的算法,将每个样本看做是多种免疫细胞的混合,采用线性回归拟合出每种免疫细胞的组分和表达量与最终混合后的关系,通过反卷积算法,提取每种免疫细胞的表达特征,示意如下 ?
2 前言 2.1 摘要 与COVID-19严重性相关的呼吸免疫特性目前还不清楚。作者选了COVID-19严重程度不同的患者以及健康人的支气管肺泡灌洗液免疫细胞,进行单细胞转录组测序。 是一小分子细胞因子家族蛋白。主要作用是趋化细胞的迁移. 细胞沿着趋化因子浓度增加的信号向趋化因子源处的迁徙。有些趋化因子在免疫监视过程中控制免疫细胞趋化,如诱导淋巴细胞到淋巴结。 Fig. 1 图A:对支气管肺泡灌洗液免疫细胞进行分群后进行细胞·类型鉴定,UMAP展示出13种细胞类型 图B:主要的支气管肺泡灌洗液免疫细胞在健康、中度、重度患者中的分布 图C:UMAP展示了4组巨噬细胞在健康 COVID-19的严重程度有关 细胞素风暴(Cytokine storm):又称高细胞因子症(英语:Hypercytokinemia),一种不适当的免疫反应,因为细胞因子与免疫细胞间的正回馈回路而产生。 同时,细胞因子也会激活这些免疫细胞,被激活的免疫细胞则会产生更多的细胞素。通常来说,人体会检查并控制这个反馈循环。但是在有些情况下,情况会失控,导致一个地方聚集了太多被激活的免疫细胞。
这里,我们介绍了亚洲免疫多样性图谱(AIDA),这是一个多国人类免疫细胞的单细胞RNA测序(scRNA-seq)健康参考图谱。 Para_02 对人类免疫细胞多样性的研究很有趣,因为血液细胞比例通常用于诊断,血液特征的变化与疾病风险相关,而且免疫表型分析被用来监测诸如艾滋病、白血病和淋巴瘤等疾病。 我们研究了人类多样性与免疫表型中的细胞和分子变异之间的关系,包括细胞类型比例、细胞邻域丰度和特定细胞类型基因表达谱。 在自身免疫性疾病的发生过程中观察到了Treg细胞的耗竭,85这激发了对韩国人群中自身免疫性疾病患病率的进一步研究,以及更广泛地对不同人群间疾病患病率的比较研究。 例如,外周血中的特征(如细胞类型丰度和克隆型扩增)已与免疫细胞肿瘤浸润、肿瘤对免疫治疗的反应以及疾病状态相关联。 这些可能具有预后标志物的潜力。
前言 生信技能树公众号之前已经介绍了很多有关细胞注释的工具或软件了,如:ToppCell Atlas:单细胞分析中针对细胞类型的富集分析,但是其中很多都是偏向于对人来源的细胞进行注释。 因此,在单细胞测序产生的数据中,除了最多的人来源的研究外,紧接着就是小鼠的数据了。那么分析小鼠的单细胞数据时会有一个巨大的挑战,就是如何准确的对小鼠各种细胞类型进行命名。 ---- 主要内容 首先,需要强调的是CellKb Immune所有用于细胞注释的marker genes都是作者通过搜集以发表的研究手动整理的,其中包括各种免疫功能调节相关的文章。 因此,最开始就得到一个准确的细胞注释结果是非常重要的。 事实上,和人的单细胞数据相比,对小鼠的细胞注释更加有挑战性,特别是对在不同药物或者处理后得到的实验数据。 总之,CellKb Immune提供了一个易于使用的参考数据库,具有快速可靠的方法,可以一站式解决小鼠单细胞数据分析中各种免疫细胞类型的注释。 ----
因此,Cre-ER片段会仅在 DP 阶段的 T 细胞中存在,SP 及后续阶段的 T 细胞中则消失。 T 细胞中生效); 追踪过程:标记胸腺中的 DP T 细胞后,观察这些细胞在衰老过程中向胸腺 SP 阶段、外周脾脏 CD4+ T 细胞的迁移 / 留存情况。 实验结果(流式细胞术数据): 注射后第 3 天(D3):胸腺 DP 细胞中 61% 被标记,胸腺 CD4SP 细胞中 28% 被标记,脾脏 CD4 细胞中仅 1.2% 被标记; 注射后第 11 天(D11 ):胸腺 DP 细胞的标记率下降(8.2%),但胸腺 CD4SP、脾脏 CD4 细胞的标记率上升(24%、3.2%)——说明标记的 DP T 细胞向后续阶段 / 外周组织迁移。 意义:这个系统实现了对 αβ T 细胞发育特定阶段(DP 阶段)的 “时间特异性标记”,可以精准追踪这些细胞在体内的分化、迁移和衰老命运,为研究 T 细胞发育、免疫记忆维持等提供了工具
导语 GUIDE ╲ 细胞因子可以调节细胞间相互作用,调控免疫应答。那些你听说过的“细胞因子风暴”,“致热与炎症病理损害”,“肿瘤发生及免疫逃逸”, “超敏反应”等等,都与细胞因子有关。 背景介绍 今天小编就为大家总结一下,免疫应答中重要的细胞因子。在开始之前,我们先看看细胞分子的种类吧! necrosis factor, TNF) 5.生长因子(growth factor, GF) 6.趋化因子(chemokin) 固有免疫应答中的重要细胞因子 细胞因子 细胞来源 主要生物学效应 细胞,促进其细胞毒活性; 适应性免疫应答中的重要细胞因子 细胞因子 细胞来源 主要生物学效应 IL-2 CD4+T细胞、CD8+T细胞、NK细胞 1)促进T细胞增殖及细胞因子分泌、诱导Fas介导的细胞凋亡 、免疫应答及其免疫调节中有着重要的作用,如果你在做免疫相关的研究,一定要记得这些重要的细胞因子,更好解释免疫过程。