胃癌 (GC) 是中國常見的惡性腫瘤之一，在中國其發病率居各類腫瘤的首位。GC的腫瘤微環境 (TME) 已被證明對腫瘤控制很重要，但其特定特征尚未明確。2022年，清華大學及中國醫學科學院腫瘤醫院國家癌癥中心的研究人員基于單細胞技術對胃癌的多種細胞類型進行了深入研究。
?

文中，作者進行了大量的GSVA分析（基因功能富集分析的一種），幾乎出現在每一個模塊中，那么作者為什么要用GSVA而非一般的GO/KEGG分析呢？
?

傳統GO/KEGG富集分析，僅考慮差異基因，沒有考慮基因表達量 ，容易遺漏部分差異表達不顯著卻有重要生物學意義的基因，這對于發現有意義的通路，無疑是一種障礙。而GSVA使用的是全部基因，理論上更容易捕捉到這些變化細微但很重要的基因參與的通路。鑒于其獨特的優勢，此次，小編基于這篇文章對GSVA的應用做一個介紹。

?

?

首先，作者取了10名GC患者配對的癌、癌旁及血液樣本，質控后得到166,533個細胞。這些細胞被分為基質、免疫和上皮三大類，作者對這些細胞分別進行了描述。

?

為了區分上皮細胞中的腫瘤細胞和正常細胞，作者用inferCNV計算了不同細胞的腫瘤得分，并定義了四個簇：正常簇、腫瘤簇、腸化生簇和不確定簇（圖1 d）。分析發現每個正常簇包含來自多個患者的細胞，而每個腫瘤簇由來自單個患者的細胞組成。為了評估患者的腸化生水平，作者利用GSVA計算了scRNA和bulk RNA的杯狀評分和腸細胞評分（圖1 l、m），證明樣本GC08和GC09在癌和癌旁中均顯示高水平的腸化生水平，盡管GC07和GC10的腫瘤病理分類分別為腸型和混合型，但兩種腫瘤均未顯示明顯的腸基因表達。
?

圖1

?

為了理解基質細胞在TME中的功能，作者對基質細胞進行了重新分群，發現癌和癌旁明顯分離 (圖2a)，這些基質細胞分為12個不同的簇，其中Endo_1、Fib_1和SMC_1主要在腫瘤組織中富集 (圖2b)。基于這些細胞群表現出的特異基因，作者將他們定義為腫瘤相關基質細胞 (TASCs)。

?

血管生成途徑是腫瘤進展的關鍵特征之一，GSVA分析發現，它在TASCs中顯著上調 (圖2k)。

?

圖2

?

骨髓細胞是高度異質的免疫細胞群體，為塑造TME提供了重要貢獻。作者在GC TME中確定了八個不同的髓系細胞簇，包括兩個單核細胞簇，兩個巨噬細胞簇和四個樹突狀細胞 (圖3a)。同樣GSVA分析表明，Mφ-APOE共表達M1和M2巨噬細胞的特征 (圖3c)，表明經典極化模型可能不適合評估GC中Mφ-APOE的狀態。

?

除了三種傳統的DC細胞類型，cDC1_XCR1，cDC2_CD1C和pDC_LILRA4，作者還發現了一種非經典的DC細胞類型，DC_LAMP3，其特征是LAMP3和CCR7的特異性表達 (圖3b)。在肝細胞癌和其他癌癥類型中還檢測到LAMP3+DC，并且能夠從腫瘤遷移到淋巴結 (圖3c)。

?

圖3

?

接下來，作者使用TCR克隆信息和偽時間分析來了解T細胞各種亞型之間的細胞狀態轉換。在T細胞中發現的36,239克隆型中，30,980種克隆型僅被檢測到一次，5259種在兩個或更多個T細胞中檢測到。

?

通常，CD8簇比CD4簇具有更高程度的克隆擴增，除了na?ve CD8 T細胞 (CD8_C1) (圖4b)。在高克隆性簇中，CD8_C2主要來自血液，GSVA分析表明其標記基富集在細胞遷移相關途徑 (圖4d)，因此我們推測CD8_C2具有從血液浸潤到固體組織的潛力。

?

圖4

?

總之，通過GSVA技術，作者對不同基質、免疫細胞亞群進行了比較，表明這些亞群涉及多種不同的功能。作為一種適用范圍廣，且在SCI文章中常見的分析方式，希望也能運用在各位老師的文章中鴨！