Jugando con el análisis avanzado unicelular | análisis de inferencia unicelular

La tecnología de secuenciación unicelular se ha utilizado ampliamente en la investigación de tumores, pero debido a que las células tumorales no tienen genes marcadores claros, es difícil distinguir las células tumorales normales y malignas a través de los datos del transcriptoma. El análisis de variación del número de copias unicelulares (CNV) se basa en datos del transcriptoma unicelular y utiliza la expresión genética entre diferentes muestras o diferentes tipos de células para predecir CNV a gran escala a nivel cromosómico y descubrir células con números de copias anormales, ayudando así a inferir el origen de las células malignas, sentando las bases para estudiar la heterogeneidad tumoral y la evolución clonal.

1. Método de análisis CNV unicelular

1.inferCNV

InferCNV[1] es una herramienta autorizada de análisis CNV unicelular desarrollada por Broad. La idea es comparar la expresión genética de cada célula tumoral con la expresión promedio o expresión genética de células de referencia "normales" en todo el genoma, mostrando la expresión relativa de los genes en cada cromosoma en forma de imagen térmica. Se puede ver intuitivamente que, en comparación con las células normales, el genoma de las células tumorales se sobreexpresará o subexpresará a gran escala.

2. Ideas de aplicación del análisis de CNV unicelular

El análisis de predicción de CNV unicelular puede inferir células tumorales, analizar la heterogeneidad de las células tumorales y proporcionar una base para explorar la evolución. de clones de tumores y tumores mineros Proporcionar referencia para el mecanismo de aparición.

1. Distinguir células tumorales de células no malignas

En la investigación de tumores, podemos distinguir células tumorales de células no malignas mediante el análisis de predicción de CNV. De 2065438 a 2008, investigadores del Instituto de Medicina Computacional de la Universidad de Nueva York publicaron un artículo en Nature Biotechnology utilizando células individuales y transcriptomas espaciales para estudiar la heterogeneidad del carcinoma ductal de páncreas (PDAC). Para distinguir las células cancerosas y las moléculas de los conductos no malignos, se realizaron predicciones y análisis de CNV en dos datos unicelulares de PDAC-A y PDAC-B, y se encontró que TM4SF1 (grupo 1) y S100A4 (grupo 2) se expresaron altamente en PDAC-A. Un grupo de células y un grupo de células con alta expresión de TM4SF1 en PDAC-B mostraron características de variación en el número de copias. La detección por inmunofluorescencia mostró que TM4SF1 y S100A4 en PDAC-A se expresaron en componentes vasculares malignos, y TM4SF1 en PDAC-B se localizó con el marcador de células malignas Krt 19**. Combinado con los resultados de la predicción de CNV, se confirmó que existen diferentes poblaciones de células tumorales transcritas en muestras de PDAC.

2. Exploración de la heterogeneidad de las células tumorales

En la investigación de tumores, podemos explorar la heterogeneidad de las células tumorales mediante el análisis de predicción de CNV. En 2021, investigadores de la Universidad de Texas y otras instituciones publicaron un artículo en Nature Medicine, utilizando un transcriptoma unicelular para estudiar la heterogeneidad de las células tumorales en muestras de ascitis de pacientes con metástasis abdominal avanzada de cáncer gástrico. En este estudio, al predecir y analizar las CNV de células tumorales en muestras de ascitis y construir un árbol evolutivo, se descubrieron cinco subgrupos B1-B5 con diferentes distribuciones de CNV. El subgrupo B5 muestra características de células de tipo colorrectal, mientras que el subgrupo B2 consta de células gástricas. Las subpoblaciones B1, B3 y B4 compartieron algunas CNV con las subpoblaciones B2 y B5, lo que revela la heterogeneidad de las células tumorales del cáncer gástrico.

3. Revelar la evolución clonal de los tumores.

En la investigación de tumores, podemos explorar la evolución clonal de los tumores mediante el análisis de predicción de CNV. En 2020, investigadores de la Universidad de Miami y otras instituciones publicaron un artículo en Nature Communications sobre la complejidad evolutiva del melanoma uveal. Este estudio utilizó CNV unicelular para predecir 8 casos de cáncer primario y 3 casos de cáncer metastásico, y encontró que había diferencias significativas en las variaciones del número de copias entre diferentes muestras, lo que revela la posible heterogeneidad tumoral del melanoma uveal. Además, construimos un árbol evolutivo basado en la proporción de CNV en las células y encontramos tres trayectorias evolutivas que impulsan las mutaciones del melanoma uveal: mutaciones EIF1AX en tumores de baja metástasis, mutaciones SF3B1 en tumores de metástasis media y mutaciones SF3B1 en tumores BAP1 de alta metástasis. mutaciones y mapeo de la trayectoria evolutiva y los mecanismos de desarrollo del melanoma uveal.

Referencias:

1. Anoop P. Patel, Itay Tirosh, et al. ¿Aspectos destacados de la secuencia de ARN unicelular dentro de los tumores? Heterogeneidad del glioblastoma primario [J Science, 2014, 344(6190):1396-401.

2. et al. Integración de transcriptómica espacial basada en microarrays y secuencia de ARN unicelular para revelar la estructura del tejido del adenocarcinoma ductal pancreático [J Nature Biotechnology, 2018, 38(3):333 -. 342.

3. Wang Rui, Dang Ming, Harada Kai, et al. Disección unicelular de heterogeneidad y diversidad de linajes en células de adenocarcinoma gástrico metastásico [J]. 141-151.

4. Durant, Rodriguez, et al. El análisis unicelular revela una nueva complejidad evolutiva del melanoma uveal [J Nature Communications, 2020, 11(1):496.