此外,癌细胞会促使一些免疫细胞表达更多的 CTLA-4 受体,这种蛋白会传递“刹车”指令,抑制 T 细胞对自己的杀伤作用。于是,见招拆招! 科研家们开发了多种肿瘤免疫疗法,如免疫检查点阻断 (Immune checkpoint blockade, ICB),使用抗 CTLA-4 或抗 PD-1 抗体阻断 CTLA-4 和 PD-1 的结合, FESEM 图像显示乳腺癌细胞和免疫细胞之间的纳米管 (红色箭头)。CD8+ /CD3+ T 细胞被添加到 MDA-MB-231 (a) 或 4T1 细胞 (b) 中。 在 a 中,纳米管似乎在 T 细胞周围分支。c. 左图:FESEM 图像显示免疫金标记的 CD8+ T 细胞和 4T1 癌细胞之间的纳米管 (红色箭头)。 左图:FESEM 图像显示单个纳米管可以将癌细胞 (4T1) 与多个 T 细胞 (黄色箭头) 连接起来。中间:放大视图显示纳米管与免疫细胞之间的相互作用。右图:黄色箭头表示纳米管与免疫细胞融合的芽体。
介绍 ImmGenMaps是免疫基因组计划联盟(ImmGen)启动的全新开源项目,旨在利用空间转录组学技术绘制小鼠器官中免疫细胞的综合空间图谱。 该项目第一阶段将生成25个健康小鼠器官的高质量数据集,建立雄性和雌性标本的基线图谱,以揭示免疫细胞在自然组织环境中的多样性、动态及其与非免疫细胞的整合。 作为基础工具,该项目致力于增进对免疫学过程的理解,并指导未来的创新治疗策略。 在输入框输入需要分析的组织,然后Explore点击注册BioTuring账号后,进行组织空间转录组分析。 2.在Bioturing开发的单细胞数据分析平台Talk2Data分析了小鼠胸腺空间转录组图谱。 聚类分析:提供Clustering(聚类)与Cell type prediction(细胞类型预测)功能。
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。 ? ISOTYPE_colors', 'TCR_Clone_colors', 'TCR_cdr3_colors', 'TCR_chain_colors', 'annotation3_colors', 'annotation4_ 1.729141 0.000000e+00 0.000000e+00 3 60.053253 IL32 1.783656 0.000000e+00 0.000000e+00 4 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 ---- ----
表达CD4分子的T淋巴细胞只能识别由MHCⅡ类分子呈递的抗原;而表达CD8分子的T淋巴细胞只能识别由MHCI类分子呈递的抗原。 类分子限制性的方式供CD4'T细胞识别,或者以交叉提呈的方式供CD8+T细胞识别。 CD4+TH淋巴细胞发挥抗肿瘤免疫应答的重要辅助作用,其介导的抗肿瘤免疫机制有几种:①活化的CD4+TH1细胞可辅助CD8+CTL激活,同时,它们分泌的IL-2及肿瘤微环境中其他细胞分泌的IL-15能够促进和维持 CD8细胞的功能与活性;②活化的CD4+TH2细胞参与辅助B细胞产生特异性抗肿瘤抗体;③活化的CD4+T淋巴细胞可辅助固有免疫细胞(如NK细胞、DC)的活化;④部分活化的CD4+T细胞可直接杀伤肿瘤细胞 在APC参与和CD4+T细胞的辅助下,B细胞能够对肿瘤细胞分泌的可溶性抗原或肿瘤细胞膜抗原产生应答,并分泌抗肿瘤抗体。
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。
T细胞和B细胞是适应性免疫应答的重要成分。 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。 一项临床研究结果揭示了HLA-A*2402-restricted MAGE-A4对TCR修饰的T细胞治疗食管癌的疗效。 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。 Protein Cell. 2018 Mar;9(3):254-266 4.Adoptive Transfer of MAGE-A4 T-cell Receptor Gene-Transduced Lymphocytes
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。
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 在不同肿瘤来源的TIL细胞中,CD4+ T细胞、CD8+ T细胞的比例有差异,但大多数情况下以CD8+T细胞为主。 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。 单细胞测序识别两个基因突变 挑选那些高表达T cell receptor (TCR)-β variable (TRBV) region or high expression levels of 4-1BB
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。 检查细胞类型驱动基因的表达 可以根据每种细胞类型的驱动基因来检查每个模型。请注意,这些基因仅依赖于模型,例如训练数据集。 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。
抗PD-1和抗CTLA-4抗体利用不同的细胞机制,靶向这两种途径可导致抗肿瘤免疫反应的增加,但我们同时也不得不面对的事实是,这类治疗也只对某一些患者有效。 ;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。 随后,利用小鼠体内模型,研究人员发现内源性CD4+ T细胞在免疫编辑肿瘤中的TA-HECs诱导中起着关键作用。 研究人员接下来进一步分析了ICB治疗对免疫编辑肿瘤中TA-HECs的影响,结果显示,与抗PD-1单药治疗相比,CTLA-4阻断能显著增加TA-HEC的频率和肿瘤浸润性CD4+和CD8+ T细胞的丰度。 这里需要补充一个小知识点:PD-1抗体被认为主要在肿瘤内部部起作用,逆转即将走向衰竭的T细胞;而抗CTLA-4治疗被认为主要作用于外周黑色素瘤反应性的CD8 T细胞群,主要是募集循环中的CD8 T细胞进入肿瘤
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)。 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。 4 ENST00000414852|IGHD4-4|D-REGION|IG|IGH|None|00 TGACTACAGTAACTAC >4|IGHV4-39 ENST00000390619|IGHV4-
应用该技术的发现包括炎性巨噬细胞的糖酵解开关和线粒体功能障碍,效应T细胞和活化的树突状细胞(DCs)的糖酵解增加以及T记忆细胞和il -4活化的巨噬细胞的线粒体呼吸增高。 如今使用 10x Genomics,scRNA-seq实验每样本多达1万个细胞,常规检测每个细胞2到4千个基因。 即使在免疫学背景下直接检查scRNA-seq数据,也可以很好地说明发生在体内的关键代谢过程。例如,我们可以使用免疫检查点封锁抗体(ICB)、抗pd -1/抗ctla -4抗体或对照抗体。 类似于Hartmann等人的CyTOF分析,CD4+和CD8+T细胞亚群不能单独在代谢蛋白上分离,但大多数其他免疫细胞亚群都能非常有效地单独基于它们的代谢概况来定义。 后续的单细胞Met-Flow分析表明,大多数细胞依赖葡萄糖来进行代谢转换,但也发现有一部分CD4中央记忆细胞使用替代代谢途径。
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 ?
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。 Para_04 为了证实上述自我报告的种族与免疫亚群比例之间的关联,我们使用相同的线性模型分析了来自独立队列(新加坡老龄化研究第二波[SLAS-2]47)的已发表流式细胞术数据(表S4)。 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。
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。 acc=GSE145926),代码在:https://github.com/zhangzlab/covid_balf 4 结果 4.1 COVID-19的重度患者支气管肺泡免疫功能失调 ? 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 M1型巨噬细胞 第三组表达免疫调节基因A2M, GPR183 and CCL13 以及纤维化基因TREM2, TGFB1 and SPP1,说明可能是M2型巨噬细胞 第四组表达肺泡巨噬细胞基因FABP4 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。
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。 ---- 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。 in public databases; 2)Availability of data for download; 3)Description of experimental method used; 4) 因此,用户不需要花费时间以编程方式集成数据和搜索分析方法; 4)与其他需要存在相关表达或差异变化值以及所有靶细胞类型中相同数量的基因的方法不同,CellKb Immune使用的搜索方法可以在不存在表达折叠变化的情况下 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。 ----
肿瘤劫持免疫细胞,实现免疫逃逸是肿瘤发生发展的关键事件。然而肿瘤免疫逃逸是一个复杂的过程,目前还知之甚少。阐明不同的免疫逃避策略是寻找下一代癌症免疫疗法的关键一步。 通过使用场发射扫描电子显微镜、荧光团标记的线粒体转移追踪和代谢量化,他们证明了纳米管介导的线粒体从免疫细胞向癌细胞的转移代谢增强了癌细胞,并耗竭了免疫细胞。 抑制纳米管组装机制显著减少了线粒体转移,并防止了免疫细胞的耗竭。针对细胞间纳米管介导癌细胞与免疫细胞之间的线粒体转运的新现象,在同期的Nat. 这为肿瘤免疫逃逸提供了新的认识,同时为肿瘤治疗提供了新的潜在靶点。。 核心数据: 图一、癌细胞和效应免疫细胞通过物理纳米管连接。 图二、纳米管介导免疫细胞和癌细胞之间的细胞器转移。 原文链接:https://www.nature.com/articles/s41565-021-01000-4