本文首发于“生信大碗”公众号，转载请注明出处
各位小伙伴，大家好！今天给大家分享一篇22年发表在Frontiers in Immunology（IF：8+）杂志上的一篇单细胞文章，前面也给大家讲了一些单细胞测序的分析方法，大家可以实操起来了！
文章题目
CD8+ T cell trajectory subtypes decode tumor heterogeneity and provide treatment recommendations for hepatocellular carcinoma
文章思路
1.T细胞具有抗肿瘤免疫能力并在肿瘤发生发展过程中起着重要的作用。作者将T细胞单独提取之后做了T细胞亚群注释，将T细胞分成了六个亚群，研究其不同细胞类群发展轨迹中的一些关键基因。
2.作者将轨迹基因提取之后，使用单变量Cox回归，生成与预后相关的候选基因，并基于这些基因对患者进行聚类，将患者聚为三类,并探究三种亚群病人的预后。
3.作者使用WGCNA包鉴定了不同聚类的特征基因。根据模块特征值和表型之间的关系，筛选出三个与聚类相关性最高的模块，并获取特征基因进行GSEA分析，将C1定义为脂质代谢的HCC，C2定义为细胞增殖的HCC，而C3定义为免疫性炎症性HCC。
4.作者使用maftools包分析不同簇之间的体细胞突变，包括单核苷酸多态性（SNP）、插入和缺失（INDEL）、肿瘤突变负荷（TMB）和突变频率。瀑布图描绘了三个集群中肝癌频繁突变基因（FMG）的差异。作者还对CNV进行了聚类分析，并进一步展示了AMP和HOMDEL基因，它们拥有前10个扩增或缺失的基因。
5.作者使用ssGSEA算法评估28个免疫细胞亚群的浸润丰度，三个集群的27个免疫检查点概况，去描述免疫细胞的浸润推测三个聚类对免疫治疗的效果，并进一步用TIS和Submap方法评估临床疗效。
6.作者通过不同数据集，评估三个聚类经导管动脉化疗栓塞（TACE）的治疗反应比以及索拉非尼的治疗反应率。使用pRRophetic包进行药物敏感性分析。评估尼洛替尼、波苏替尼、阿西替尼的IC50值分布。
小结
本文章从单细胞测序分析入手，先找到参与细胞发育轨迹的一些关键基因，根据这些关键基因将肝癌患者分为三类，并分别讨论了三个聚类中各种分子特征，不同的临床结果、生物学特征、基因组变异、免疫景观和治疗反应。最后，本研究成果提供了一个强大的分类系统，并提供了个性化的治疗策略，这有助于改善临床结果和促进临床管理。
本文首发于“生信大碗”公众号，转载请注明出处
—END—
