今天跟大家分享的是发表在NATURE COMMUNICATIONS杂志上的一则一篇文章：Single-cell RNA-seq enables comprehensive tumor and immune cell profiling in primary breast cancer，本文主要讲述了乳腺癌亚型间的表达谱异质性和免疫细胞谱异质性。
方法
①临床标本
共计11个病人的数据，涵盖了4种乳腺癌的分类
•ER-positive (BC01 and BC02; luminal A)
•ER/HER2-positive (BC03; luminal B)
•HER2-positive (BC04, BC05 and BC06; HER2)
•triple-negative (BC07–BC11; TNBC) invasive ductal carcinoma
②单细胞测序
使用C1 Single-Cell Auto Prep System捕获单细胞，显微镜检查，建库使用 SMARTer Ultra Low RNA Kit.
*去除低质量细胞：
•(1) number of total reads;
•(2) mapping rate;
•(3) number of detected genes;
•(4) portion of intergenic region.
*去除低质量基因
•First, TPM values < 1 were considered unreliable and substituted with zero.
•Second, TPM values were log2-transformed after adding a value of one.
•Third, genes expressed in < 10% of all tumour groups were removed.
最后剩下515单细胞和17,779基因。
③拷贝数变异、通路活性分析和TNBC亚型分析
测序结果可靠性验证
单细胞测序与单细胞qPCR结果相关性较高。
scRNA测序与bulk转录组结果相关性也较高，但似乎也不是特别高。
细胞亚群分类
可以看出来肿瘤微环境中不止有肿瘤细胞，还有大量非肿瘤细胞。
依据单细胞表达谱推断CNV，随后区分出肿瘤细胞、免疫细胞和基质细胞。
可以看出来单细胞推断CNV与WES推断CNV结果相关性较高。
可以看出来单细胞CNV推断基质与免疫细胞可以使用ESTIMATE验证。
肿瘤细胞异质性研究
肿瘤细胞病人间异质性较强，免疫细胞病人间异质性较弱。
计算ER和HER2分数，发现肿瘤细胞中存在不同的亚群，尤其是HER2型，这可能是其耐药的原因。
一些通路活性分析。
干性、EMT、血管生成具有较强相关性，但是同时具有两种功能的细胞不多，可能这些罕见细胞就是预转移细胞。
差异分析与GSVA通路活性分析
TNBC亚型分析
肿瘤微环境——免疫微环境
一些标志物，来源于文献整理
主要利用标志物区分不同细胞，同时对于每一种免疫细胞区分促癌与抑癌的细胞，并找到不同细胞功能之间的差别，如凋亡、细胞因子、增殖和生发中心等。
可以发现标志物表达与免疫荧光细胞数量具有相关性。
总结
本文是较早期的一篇单细胞文章，现在看起来可能简单了一些，但是由于本文的工作都非常细致，因此有许许多多值得我们学习的地方。比如如何分析PCR和转录组的相关性？如何分析免疫荧光和转录组的相关性？如何分析WES推断CNV和转录组推断CNV的相关性？因此，如果想要入门单细胞转录组的同学，可以花点时间重复一下这篇文章。
