臨近新年了，今天29號，但是沒啥年味呢？？今天我給大家分享一個單細胞空間聯合分析的內容，文章在Single-Cell Transcriptomic Analyses of Tumor Ecosystems and Spatial Architectures in Human Small Cell Lung Cancer。
ABSTRACT
小細胞肺癌 (SCLC) 是一種高度異質性的疾病，其特征是侵襲性表型和預后不良。為了剖析 SCLC 生態系統中的細胞成分及其空間分布，對 12 個切除的人類原發性 SCLC 進行了單細胞 RNA 測序和空間轉錄組學分析。分析揭示了腫瘤和非腫瘤細胞的廣泛異質性，以及主要的免疫抑制微環境。重要的是，多種雜合腫瘤細胞狀態被揭露，包括雜合 SCLC 和肺腺癌細胞以及雜合腫瘤和免疫細胞，表明腫瘤細胞具有高表型可塑性。此外，揭示了這些雜合腫瘤細胞的細胞起源和進化，以及腫瘤-基質細胞串擾在驅動雜合細胞發育中的關鍵作用。總之，這項研究加深了對人類 SCLC 生態系統的理解，并為針對 SCLC 治療的雜交腫瘤細胞和免疫抑制微環境提供了理論依據。
INTRODUCTION
小細胞肺癌 (SCLC) 是一種難治性肺癌，其特征是對化療的初始反應后快速復發。不幸的是，在過去的三十年里，SCLC 患者的治療選擇非常有限。更糟糕的是，缺乏用于生物醫學研究的手術標本一直是一個障礙，許多研究嚴重依賴臨床前模型，例如基因工程小鼠和患者來源的異種移植 (PDX) 模型。然而，源自這些模型的腫瘤不能完全概括人類 SCLC 的生物學特征，例如浸潤性免疫細胞和基質細胞以及腫瘤生態系統的空間結構。值得注意的是，SCLC 已被揭示為一種高度異質性的疾病，在小鼠和人類 SCLC 腫瘤中均表現出廣泛的腫瘤間和腫瘤內異質性，這與侵襲性表型和預后不良直接相關。最近，基于轉錄因子（ASCL1、NEUROD1、POU2F3 和 YAP1）的差異表達定義了 SCLC 的四種分子亞型，包括 SCLC-A 和 SCLC-N 神經內分泌（NE）亞型，以及 SCLC-P 和 SCLC -Y 非 NE 亞型。不同的 SCLC 亞型對靶向治療具有不同的脆弱性。例如，觀察到 SCLC-A 亞型對 BCL2 抑制劑更敏感，而 SCLC-N 和 SCLC-P 亞型分別對極光激酶抑制劑和 PARP 抑制劑更敏感。最近，一種炎癥亞型 (SCLC-I) 對免疫檢查點阻斷 (ICB) 表現出更高的敏感性。此外，MHC I 表達在具有非 NE 特征的 SCLC 細胞亞群中增加，已被確定為預測因子ICB 功效。鑒于 SCLC 腫瘤的異質性，迫切需要剖析腫瘤成分并提供更精細的 SCLC 亞型分類，以開發下一代精準療法（有臨床運用價值）。
近年來，單細胞 RNA 測序（scRNA-seq）已被廣泛用于研究人類癌癥中的腫瘤異質性，包括非小細胞肺癌、胰腺癌、頭頸部鱗狀細胞癌和乳腺癌，這提供了前所未有的研究。分辨率以表征腫瘤生態系統中不同細胞成分之間的單個細胞和細胞間通訊的分子特征。值得注意的是，scRNA-seq 還被用于使用 PDX、CDX 模型和人體標本研究 SCLC 的腫瘤異質性。例如，通過對 21 個人類 SCLC 標本進行 scRNA-seq 分析，發現了具有干細胞樣特征的高 PLCG2 腫瘤細胞群。然而，在這些研究中測序的大多數 SCLC 標本都是活檢樣本，每個樣本測序的單個細胞數量相對有限。此外，浸潤的免疫細胞和基質細胞的landscope大多仍未探索。此外，尚未研究人類 SCLC 生態系統中不同細胞成分的空間結構。為了解決這些限制，本研究應用結合 scRNA-seq 和空間轉錄組學分析來剖析人類 SCLC 腫瘤中的細胞成分及其空間分布。研究結果揭示了組織和腫瘤內廣泛的腫瘤異質性。分析還揭示了人類 SCLC 生態系統中主要的免疫抑制微環境。重要的是，發現了多種雜合腫瘤細胞狀態，包括雜合腫瘤和免疫細胞的一個子集。通過整合 scRNA-seq 和空間轉錄組學分析，描述了不同cluster的分布及其在單個腫瘤中的相互作用。總之，分析工作提供了 SCLC 生態系統中細胞成分的單細胞圖譜和空間分布。
RESULTS
A Single-Cell Transcriptome Atlas of Human Primary SCLC Tumors
為了剖析 SCLC 生態系統中的異質細胞成分及其空間分布，共收集了 12 名接受手術的 SCLC 患者的 12 個原發性腫瘤。首先，對 7 個 SCLC 進行了 scRNA-seq 分析，包括 3 個化療治療的腫瘤和 4 個未治療的腫瘤。為了識別每個腫瘤中的稀有細胞亞群，對每個腫瘤平均約 13,800 個單細胞進行了測序，在所有腫瘤中總共有 81,841 個高質量細胞。通過無監督聚類分析，確定了 27 個不同的細胞clusters，包括腫瘤細胞、白細胞、基質成纖維細胞和內皮細胞。進一步推斷每個clusters的拷貝數改變（CNV），以區分腫瘤和非腫瘤細胞。因此，基于推斷的CNV和典型細胞類型標志物的表達，15個clusters被定義為腫瘤細胞，而9個clusters和3個clusters分別被分類為白細胞和基質細胞。值得注意的是，觀察到大量腫瘤細胞同時表達 ASCL1 和 NEUROD1，表現出 SCLC-A 和 SCLC-N 亞型之間混合狀態的特征。此外，在腫瘤微環境 (TME) 中鑒定出三種主要類型的基質細胞，包括 FAP+ ACTA2+ 肌成纖維細胞、MCAM+ ACTA2+ 血管周圍樣細胞和 PECAM1+ CD34+ 內皮細胞。此外，在 7 個 SCLC 中觀察到廣泛的腫瘤間和腫瘤內異質性。值得注意的是，發現 SCLC 生態系統中浸潤的免疫細胞、基質成纖維細胞和內皮細胞的數量相對較低。此外，觀察到與未治療的腫瘤相比，化療治療的腫瘤中浸潤的免疫細胞和基質細胞的比例相對較低，表明化療可能會重塑 SCLC 微環境。
Spatial Transcriptomic Landscape of Cellular Components in SCLC Ecosystems
為了探索不同細胞成分的空間定位及其相互作用，接下來對 8 個經免疫組織化學驗證的人類 SCLC 腫瘤進行了空間轉錄組學分析，包括 6 個 SCLC-A、1 個 SCLC-N 和 2 個 SCLC-P 腫瘤。 值得注意的是，8 個腫瘤中的 3 個（LC-250、LC-251 和 LC-51）通過 scRNA-seq 和空間轉錄組學進行了測序。 共捕獲了來自 8 個腫瘤的 16,853 個spot，對其進行測序并分組為 17 個clusters。 接下來，探索了每個腫瘤內單個亞群的空間分布。 分析進一步揭示了 SCLC 廣泛的腫瘤間和腫瘤內異質性。 因此，隨后分別分析了單個腫瘤的空間轉錄組學數據。
例如，在 LC-251 中識別出 8 個空間spot clusters，包括 5 個腫瘤細胞clusters（clusters 1、4、5、7 和 8）和 3 個基質細胞clusters（clusters 2、3 和 6）。 我們觀察到clusters 1、4 和 5 位于組織中心，而clusters 7 位于 LC-251 組織內的組織邊緣。 通過query每個clsuters的差異基因表達，發現clusters 4 顯示 H3F3A、HMGN2 和 TXN 的高表達，而clusters 7 顯示 SFTPC 和 NAPSA 的高表達。 重要的是，觀察到clusters 7 表達 SCLC 和肺腺癌 (LUAD) 的標志物，顯示出混合轉錄狀態的特征。 此外，發現clusters 5 表現出高表達的基質細胞標志物，如 COL4A1、SPARC、ESM1 和 RGS5。 同樣，在 LC-51 組織中也發現了混合 SCLC/LUAD 細胞.
接下來，檢查了 SCLC 組織內基質細胞和免疫細胞的空間分布。在 LC-251 組織中，觀察到基質細胞（clusters 2 和 3）圍繞并分離不同的腫瘤細胞clusters。 此外，CD45+免疫細胞往往在組織內分布稀疏，多為耗竭的CD8+ T細胞和M2巨噬細胞，表明存在免疫抑制微環境。 據我們所知，這是第一個使用高分辨率轉錄組學探索人類 SCLC 生態系統中細胞成分空間結構的分析。 結果不僅揭示了腫瘤內異質性的程度，而且還提供了 SCLC 腫瘤內不同細胞類型及其分子特征的空間分布.
Immune Cell Landscape and Spatial Distribution in SCLC Ecosystems
人類 SCLC 生態系統中浸潤的白細胞和基質細胞的多樣性和轉錄組學特征相對尚未探索。在這項研究中，通過 scRNA-seq 共鑒定出 14,755 個浸潤性白細胞。觀察到 7 個 SCLC 中免疫細胞的高腫瘤間和腫瘤內異質性。例如，LC-242 和 LC-254 腫瘤的免疫細胞浸潤相對較高，而 LC-51 和 LC-255 腫瘤浸潤較低。進一步將所有免疫細胞重新聚集成 23 個亞群。根據典型標記的表達，大多數亞群可定義為 CD4 T 細胞、CD8 T 細胞、NKT 細胞、漿細胞和 B 細胞、類胰蛋白酶 + 肥大細胞、漿細胞樣樹突狀細胞 (pDC) 和單核細胞/巨噬細胞。然而，觀察到 5 個亞群（clusters 7、11、12、13 和 22）也表達上皮細胞和神經內分泌細胞的標志物，例如 EPCAM、INSM1 和 ASCL1，顯示出雜合腫瘤和免疫細胞的特征。值得注意的是，腫瘤細胞上免疫細胞標志物的陽性表達已在幾種癌癥中得到描述.
接下來，對 SCLC 生態系統中的 T 細胞亞群進行了表征。對于 CD4+ T 細胞，cluster 8 代表以高表達 FOXP3 為特征的調節性 T 細胞，cluster 9 代表顯示高水平 CXCL13、NR3C1 和 FKBP5 的濾泡輔助 T 細胞，而cluster 3 指顯示高水平 IL7R 和 BTG1 的細胞毒性 T 細胞.關于 CD8+ T 細胞，cluster 6、17 和 19 代表具有高表達 GZMK、CCL5、NKG7 和 GZMA 的細胞毒性 T 細胞，而cluster 10 表達高水平的 GNLY 和 KLRD1，代表 NKT 細胞。此外，發現cluster 16 包含 CD4+ 和 CD8+ T 細胞，并表現出 MKI67 和 ASPM 基因的高表達，代表增殖 T 細胞亞群。重要的是，發現大多數 T 細胞表現出與免疫檢查點基因相關的陽性表達T 細胞耗竭，如 PDCD1、CTLA4、TIGIT、LAG3 和 HAVCR2，表明免疫抑制微環境在 SCLC 微環境中占主導地位。
以前，已觀察到 T 細胞和巨噬細胞是 SCLC 中最豐富的浸潤免疫細胞，而通過免疫組織化學分析評估 B 細胞是稀疏的。 在這里，發現浸潤的 B 細胞的比例與 SCLC 生態系統中的 T 細胞和骨髓細胞相當，但大多數 B 細胞是漿細胞并且表現出顯著的異質性。 發現漿細胞的特征是 IGKC、IGHG1 和 MZB1 的高表達，而 CD20+ B 細胞的特征是 BANK1 和 CD37 的高表達。 此外，發現 CD20+ B 細胞群由活化的 (CD19+ CD20+ CD69+ CD27+) 和耗盡的 (CD19+ CD20+ CD69+ CD27-) 細胞組成。 通過差異表達基因的功能注釋，觀察到抗原加工和呈遞是 CD20+ B 細胞中最豐富的途徑之一。此外，觀察到血漿和 CD20+ B 細胞在組織內分布稀疏 。
此外，確定了 4 個骨髓細胞亞群。 cluster 5 代表以 APOE、APOC1 和 SPP1 高表達為特征的 C1QB+ 巨噬細胞，而cluster 15 代表 FCN1+ 單核細胞，顯示 S100A9、LYZ 和 CST3 的高表達。 此外，觀察到cluster 23 代表高表達 TPSB2 和 TPSAB1 的肥大細胞亞群，而cluster 21 代表高表達 IRF7 和 GZMB 的 pDC。 此外，觀察到大多數巨噬細胞表現出 CD163、LAIR1、HAVCR2、LGALS9、VSIR 和 LAG3 的高表達，表明免疫抑制性 M2 巨噬細胞在 SCLC TME 中占優勢。最后，觀察到巨噬細胞占優勢并且主要分布在 LC 的基質內 -251 和 LC-29 腫瘤。 總之，分析提供了浸潤免疫細胞的單細胞圖譜及其在人類 SCLC 微環境中的空間分布。
Landscape of Stromal Fibroblasts and Endothelial Cells in SCLC Ecosystems
癌癥相關成纖維細胞 (CAF) 是 TME 的主要組成部分，已被證明在腫瘤的發生和進展中起關鍵作用。然而，關于 CAF 的類別及其在 SCLC 中的功能作用知之甚少。在這里，通過 scRNA-seq 共鑒定出 3,145 個 CAF，將其分為 15 個亞群。此外，在 SCLC 生態系統中揭示了 5 個成纖維細胞狀態（這個地方的方法還是要注意一下）。 S1 CAF 類似于血管周圍樣細胞，顯示出 MCAM 和 ACTA2 的高表達，富含粘著斑、cGMP-PKG 信號傳導和血管平滑肌收縮通路。 S2 CAF 代表以 FAP 和 PDGFRA 高表達為特征的肌成纖維細胞，富含 ECM-受體相互作用和粘著斑通路。重要的是，S3、S4 和 S5 成纖維細胞類似于經歷 EMT 程序的腫瘤細胞，共表達間充質細胞和神經內分泌細胞的標志物，包括 ACTA2、INSM1、ASCL1 和 GRP。因此，可以將成纖維細胞分為三種主要亞型，包括 FAP+ 肌成纖維細胞、MCAM+ 血管周圍樣細胞和 EPCAM+ 成纖維細胞。已在多種癌癥中發現抗原呈遞和炎癥性 CAF。有趣的是，發現一部分 EPCAM+ CAFs 也表達免疫細胞的標志物，例如第 3 clusters中 CD24、IGHG2 和 IGLC2 的高表達，以及第 13 clusters中 IGHG1、IGHG4 和 MZB1 的高表達。總的來說，研究提供了人類 SCLC 生態系統中 CAF 的單細胞圖譜，并強調 EPCAM+ CAF 最有可能來自經歷過 EMT program的腫瘤細胞。
此外，在 SCLC 生態系統中確定了總共 1,308 個血管內皮細胞 (ECs)，其中包含 10 個亞群，可分為 3 個狀態。 S1 ECs 類似于腫瘤內皮細胞，共表達內皮細胞和神經內分泌細胞標志物，如 PECAM1、ASCL1 和 GRP。 S2 ECs表現出內皮細胞的典型特征，表達高水平的MCAM、ANGPT2和ESM1，而S3 ECs表現出高表達VWF、ACKR1、HLA-DRB5和RGS5。 值得注意的是，據報道，非神經內分泌 SCLC 細胞在轉錄上準備好進行血管模擬并表達假性缺氧的基因表達譜。 總的來說，這些發現表明，SCLC 細胞誘導血管生成以支持其快速生長的機制之一可能是通過腫瘤-內皮細胞轉化。 最后，強調了基質細胞的異質性及其在人類 SCLC 組織中的空間定位。
Hybrid Tumor Cells with Multiple Cell Lineage Features Revealed in Human SCLCs
在這項研究中，通過 scRNA-seq 共鑒定出 62,633 個腫瘤細胞，占 7 個 SCLC ecosystems中所有細胞成分的約 77%。進一步將這些腫瘤細胞重新聚集成 26 個亞群，這些亞群在組織和腫瘤內表現出廣泛的異質性。觀察到大多數亞群同時表達 ASCL1 和 NEUROD1，顯示出混合 SCLC-A/N 亞型的特征。還觀察到一個 YAP1+ 細胞亞群（cluster 21 ）顯示高表達 LUAD 標記，如 NAPSA、SFTPB 和 SCGB3A1。此外，觀察到一些 POU2F3+ 腫瘤細胞，它們稀疏地分布在多個clusters中。值得注意的是，除了混合 SCLC-A/N 細胞外，還鑒定了多種其他混合腫瘤細胞狀態，包括混合上皮/間充質 (E/M) 細胞、SCLC/LUAD 細胞和腫瘤/免疫細胞。例如，我們觀察到clusters 21、16、11、17、25 和 8 中的細胞顯示混合 E/M 特征，共表達上皮和間充質標志物。有趣的是，具有 EMT 特征的細胞子集也表達了 LUAD 標記，尤其是在 LC-51 樣本中，這表明混合 SCLC/LUAD 細胞可能會經歷 EMT 程序。此外，發現一些腫瘤細胞表現出高表達的免疫細胞標志物（CD45、CD27 和 HLA-DRA），表現出混合腫瘤/免疫特征。重要的是，通過流式細胞術分析證實了幾種人類 SCLC 細胞系中存在表達免疫細胞標志物的腫瘤細胞。
最近，在具有非神經內分泌特征且與對免疫檢查點阻斷劑 (ICB) 的持久反應相關的一部分 SCLC 中觀察到高 MHC I 表達，這表明 MHC I 可用作 SCLC 患者免疫反應的預測生物標志物。 在這里，觀察到編碼 MHC I 分子（HLA-A、HLA-B 和 HLA-C）的基因在幾乎所有 SCLC 腫瘤細胞中的陽性表達。 有趣的是，發現編碼 MHC II 分子（HLA-DRA 和 HLA-DRB1）的基因的表達也在 21、16、17、11、8 和 12 clusters中上調。MHC II 分子通常在professional抗原-呈遞細胞，例如 DC、單核細胞和 B 細胞。 總的來說，這些發現表明大多數雜交腫瘤/免疫細胞也表現出 EMT 和/或雜交 SCLC/LUAD 細胞特征，并且可能對 ICB 治療更敏感。 同樣，還鑒定了表達內皮細胞標志物的腫瘤細胞亞群，例如 PECAM1、CDH5 和 CD34。
最后，空間轉錄組學分析表明，混合 SCLC/LUAD 細胞主要位于 LC-251 組織內的腫瘤邊緣，而它們位于 LC-51 組織的中心。 LC-4腫瘤中的雜交SCLC-A/SCLC-P細胞和LC-29腫瘤中的雜交SCLC-P/SCLC-Y細胞在組織內隨機分布。 總之，分析揭示了人類 SCLC 中的多個雜交腫瘤細胞。
Trajectory Analysis Reveals Cell of Origin of Hybrid SCLC Cells
為了追蹤 SCLC ecosystems中腫瘤細胞的進化，對所有腫瘤細胞進行了軌跡分析。確定了 6 個分支和 9 個細胞states。觀察到分支 1 由states 1、2、3 和 4 細胞組成，而分支 2、3、4、5 和 6 分別由states 9、8、7、5 和 6 細胞組成。值得注意的是，分支 5 和分支 6 中的細胞主要來源于 LC-255 腫瘤，表明存在更多分化states。觀察到進化軌跡從states 1 細胞開始。隨著時間的推移，其他 8 個states的細胞沿著軌跡進化。在 SCLC 細胞的進化過程中觀察到了 4 個分支點，它們都可以成功分化成不同的分支。此外，分析了隨偽時間變化的 SCLC 和 LUAD 的規范標記的表達。在軌跡開始時觀察到 ASCL1、NEUROD1 和 INSM1 的最低表達（states 1），而這些基因的表達隨著時間的推移逐步增加。相比之下，發現 LUAD 和間充質標志物（NAPSA、SFTPC、VIM）的表達隨著偽時間逐步降低。一致地，觀察到states 1 細胞顯示混合 SCLC/LUAD 細胞的特征，而states 9 細胞代表混合 SCLC-A/SCLC-N 細胞，表明 LUAD 和 SCLC 之間存在潛在的細胞譜系轉變。總之，研究結果表明，一種潛在的雜交腫瘤細胞起源細胞，例如雜交 SCLC/LUAD 細胞，可能源自 LUAD 細胞譜系。
SCLC-P 亞型約占所有 SCLC 的 15%，被認為是一種具有更強侵襲性的非神經內分泌型。據報道，一些 SCLC-P 腫瘤可能起源于肺上皮中的稀有簇狀細胞，并表達簇狀細胞的典型標志物，如 POU2F3、ASCL2 和 AVIL。然而，這種亞型的細胞起源尚未得到很好的定義。在本研究中，鑒定了多種混合 SCLC-P 細胞，例如 LC-4 腫瘤中的混合 SCLC-A/SCLC-P 細胞和 LC-29 腫瘤中的混合 SCLC-P/SCLC-Y 細胞。為了揭示 SCLC-P 亞型的新起源細胞，研究了這些腫瘤中腫瘤細胞的進化。軌跡分析揭示了 LC-29 腫瘤中的 3 個分支和 3 個細胞狀態。軌跡根從state 1 細胞開始，該細胞由來自cluster 6 的細胞組成，其特征是 LUAD 標記的高表達，例如 NAPSA、SFTPC。隨著時間的推移，腫瘤細胞分化為 2 個分支，其中分支 2 富含來自cluster 2 和 7 的細胞，而分支 3 富含來自cluster 1、2、3、4、5 和 8 的細胞。值得注意的是，觀察到LUAD標志物的表達減少，而POU2F3、YAP1、ASCL2和MYC的表達在分支1到分支3的轉變過程中增加。此外，發現LC-29腫瘤表達相對較高水平的KRT5、KRT8和NKX2-1基因.總之，這些發現表明 SCLC-P 亞型可能起源于肺上皮細胞中的多種細胞類型，例如角蛋白 + 基底細胞、肺泡細胞和 LUAD 細胞的轉化。根據這一假設，最近在轉化的 SCLC 的研究中揭示了 SCLC-P 的簇細胞非依賴性起源。
此外，我們在 LC-4 腫瘤中鑒定了 4 個分支和 5 個細胞狀態。 基于每個clusters的組織學特征和基因表達特征，我們將cluster 3 定義為相鄰的正常肺細胞，將cluster 2 和 5 定義為基質細胞，將cluster 1、4、6 和 7 定義為腫瘤細胞。 因此，觀察到軌跡根起源于狀態 1 細胞，其中填充了來自cluster 1 和 7 的腫瘤細胞，并且以非神經內分泌標志物（包括 ASCL2 和 POU2F3）的高表達為特征。 隨著時間的推移，腫瘤細胞可以分化為states 4 和 5，它們由來自cluster 4 和 6 的細胞組成，并顯示出神經內分泌標志物的高表達。 因此，可以看到 LC-4 腫瘤內從 SCLC-P 到 SCLC-A 亞型的轉變，從cluster 1 開始，到cluster 4 和 6 結束。這些發現表明，SCLC-P 細胞可能分化為 混合 SCLC-A/SCLC-P 細胞。
Exploration of Cellular Crosstalk in SCLC Ecosystems
最后，為了確定驅動腫瘤異質性的分子機制，特別是雜交腫瘤細胞的發展，分析了 7 個 SCLC 生態系統中所有 27 個細胞成分之間的配體-受體相互作用。 因此，共鑒定了 34,546 對配體-受體相互作用。 值得注意的是，觀察到腫瘤和免疫細胞之間的大量相互作用。 骨髓細胞表現出最大數量的相互作用對。 骨髓和腫瘤細胞之間的大多數相互作用是由與免疫反應和細胞外基質相關的分子介導的，例如 CD74-MIF/COPA/APP、HLA-DPB1-TNFSF13B/NRG1 和 SPP1-CD44 對，以及由趨化因子介導 及其受體，例如 CCL3-IDE、CCL2-CCR10 和 CXCL8-ACKR1 對。 此外，觀察到 T 細胞和腫瘤細胞之間的幾種已知抑制性相互作用，例如 TIGIT-NECTIN2/NECTIN3 和 PDCD1-CD274/PDCD1LG2 對。據報道，CAFs 可以分泌多種趨化因子和生長因子，從而能夠重塑 TME 并調節腫瘤進展。 在這里，觀察到 CAF 和腫瘤細胞之間的廣泛相互作用，其中大部分是由趨化因子和免疫相關分子介導的，例如 TIMP1-FGFR2 和 HLA-C-FAM3C 對。 同樣，揭示了內皮細胞和腫瘤細胞之間的相互作用，包括 CD74-MIF 和 NRP1-VEGFB 對。
重要的是，確定了雜交腫瘤細胞和基質細胞之間的多種相互作用。例如，發現雜交 SCLC/LUAD 細胞（cluster 7 ）和骨髓細胞之間的相互作用是由 CD74-MIF/COPA、C5AR1-RPS19 和 SPP1-CD44 對介導的，而雜交腫瘤/免疫細胞之間的相互作用（cluster 9 ）和 FAP+CAFs（cluster 14）由趨化因子、Notch 配體及其各自的受體介導，表明基質細胞可能通過增強細胞間通訊來驅動這些雜交腫瘤細胞的發育。最后，還展示了組織內不同細胞類型之間的細胞間通訊。例如，探索了基質細胞（cluster 2、3 和 6 ）與腫瘤細胞之間的相互作用，尤其是 LC-251 腫瘤內的混合 SCLC/LUAD 腫瘤細胞（cluster 7）。觀察到CD74在基質細胞中的表達相對較高，而COPA、APP和MIF的表達水平在腫瘤細胞中相對較高。總之，工作代表了剖析 SCLC 生態系統中細胞成分之間的細胞間通訊的第一步，并提供了在 SCLC 進展過程中由配體-受體相互作用介導的細胞串擾網絡。
DISCUSSION
了解驅動腫瘤異質性和進展的細胞和分子機制對于開發新的治療策略至關重要。單細胞 RNA-seq 已被用于分析 SCLC 的腫瘤異質性。然而，這些研究并未提供人類原發性 SCLC 微環境中所有細胞成分及其空間結構的綜合單細胞圖譜。特別是免疫和基質細胞的景觀尚未得到徹底研究。在這里，邁出了第一步，通過使用 scRNA-seq 和空間轉錄組學技術剖析人類 SCLC 的復雜生態系統。 SCLC的特點是免疫細胞浸潤低的免疫性冷腫瘤。因此，研究還揭示了 SCLC 生態系統中免疫細胞的低浸潤。然而，數據揭示了腫瘤和組織內浸潤的免疫細胞的多樣性和異質性，以及它們的轉錄特征。重要的是，工作表明，由耗盡的 T 細胞和 M2 巨噬細胞介導的免疫抑制微環境在 SCLC 生態系統中占主導地位。此外，探索了 SCLC 組織內不同免疫亞群的空間分布，并表明大多數免疫細胞稀疏地定位于 SCLC 組織內。
此外，研究揭示了人類 SCLC 生態系統中基質成纖維細胞的廣泛異質性，因為確定了 15 個 CAF 亞群。值得注意的是，鑒定了一部分 EPCAM+ 成纖維細胞，它們可能是接受了 EMT 程序的腫瘤細胞。最近，CD105 已被用作定義基質成纖維細胞的標志物，CD105 成纖維細胞能夠促進胰腺癌的抗腫瘤免疫。在目前的研究中，發現 MCAM 可以區分 SCLC 中的成纖維細胞。 MCAM+ 成纖維細胞表現出 RGS5、COX4I2 和 FAM162B 的高表達，而 MCAM-CAF 表現出細胞外基質成分（如 FAP、PDGFRA 和 PDPN）的高表達。據報道，FAP+ CAF 與多種癌癥中的免疫抑制微環境有關。此外，CAF 中的 PDPN 表達與肺腺癌疾病復發風險增加有關。因此，我們的研究結果表明，這些 MCAM 成纖維細胞可能有助于 SCLC 的免疫抑制微環境。
最近，在對 38 個 SCLC CDX 模型的分析中發現了一種新的 ATOH1+ SCLC 亞型。還鑒定了具有干細胞樣特征的新型 PLCG2+ SCLC 細胞亞群，并與耗盡的 CD8+ T 細胞和免疫抑制性骨髓細胞群相關。有趣的是，本研究揭示了多個混合 SCLC 細胞亞群。腫瘤細胞的混合或中間狀態已在癌癥中廣泛報道，例如混合 E/M 細胞。此外，雜交內皮/間充質和雜交腫瘤/內皮細胞也已在癌癥中發現。最近，通過單細胞測序在幾種癌癥中發現了雜交腫瘤細胞。 SCLC 的表型可塑性已被認為是 SCLC 細胞變得更具攻擊性的一種機制。例如，在人類 SCLC 中揭示了 SCLC-A 和 SCLC-N 之間的中間狀態。此外，通過批量和 scRNA-seq 數據的原型分析揭示了 SCLC 亞型之間的連續塑性細胞狀態。此外，在少數肺部腫瘤中發現了聯合 SCLC 和 NSCLC。例如，從 NSCLC 向 SCLC 的轉化已成為驅動免疫檢查點抑制劑耐藥的機制之一。根據這些觀察結果，我們還剖析了 SCLC 細胞的表型可塑性，例如在異源 SCLC 生態系統中存在多個雜交 SCLC 細胞，指的是具有多種細胞譜系特征的腫瘤細胞。
例如，發現了幾種新型雜交細胞，包括雜交 SCLC/LUAD 和雜交腫瘤/免疫細胞。最近，已經在鼻咽癌、皮膚鱗狀細胞癌和頭頸部鱗狀細胞癌等多種癌癥中發現了表達免疫特征的腫瘤細胞。例如，在鼻咽癌中發現了表達腫瘤和免疫細胞雙重標志物（EPCAM、MHC-II 和補體基因）的腫瘤細胞亞群，并觀察到其具有增加的致瘤特性并與不良預后相關。此外，據報道，腫瘤細胞與白細胞的融合有助于腫瘤異質性和增加的轉移行為。然而，據我們所知，顯示出免疫特征的 SCLC 細胞尚未在其生態系統中被描述。觀察到幾個腫瘤細胞亞群共表達免疫細胞（CD45 和 CD27）和神經內分泌細胞（INSM1 和 ASCL1）的標志物。因此，假設這些混合腫瘤/免疫細胞更可能是具有免疫細胞特征的腫瘤細胞。然而，這些雜交細胞的生物學作用需要在未來的研究中確定。
我們的研究提供了幾個新發現。首先，這是人類初級 SCLC 生態系統中細胞成分及其空間分布的第一個單細胞轉錄組景觀。其次，本研究提供了人類 SCLC 生態系統中不同浸潤性免疫細胞、基質成纖維細胞和內皮細胞的全面視圖和分子特征。第三，我們確定了 SCLC 細胞的多種雜交狀態，從雜交 SCLC 亞型、雜交 SCLC/LUAD 到雜交腫瘤/免疫細胞，表明 SCLC 細胞的動態進化發生在 SCLC 生態系統中。第四，還揭示了這些雜合 SCLC 細胞的進化以及 SCLC-P 亞型的新潛在細胞來源。最后，這項研究全面了解了人類 SCLC 生態系統中細胞成分內部和細胞之間的細胞間通訊，為針對這些相互作用進行 SCLC 治療提供了理論依據。鑒于 SCLC 的異質性，未來的研究將需要整合更多的 SCLC 樣本并結合更高分辨率的空間轉錄組學技術。確定我們已經確定的腫瘤細胞狀態的各種混合狀態的功能作用和臨床相關性也至關重要。總之，本研究提供了人類 SCLC 生態系統中細胞成分及其空間分布的綜合單細胞圖譜，揭示了組織和腫瘤內腫瘤、免疫和基質細胞的廣泛異質性，并深入了解了它們的轉錄狀態。研究還揭示了人類 SCLC 中的多種雜交腫瘤細胞狀態，表明靶向這些雜交腫瘤細胞可以為 SCLC 患者的下一代治療策略奠定基礎。
Methods（關注一些重點方法）
Cell-cell interaction analysis
Copy-number variation analysis
生活很好，有你更好
