如今越来越多的研究开始将单细胞与组织测序数据相结合进行分析，结果往往起到一加一大于二的效果。因此生信人也介绍了多个单细胞结合组织的分析思路及文章，小编今天再和大家分享一篇今年2月刚刚发表在Front. Immunol(IF：8.786)杂志上整合单细胞及组织数据，研究骨肉瘤微环境中肿瘤相关巨噬细胞的文章。这篇文章无论是组织数据还是单细胞数据的分析方法都非常经典易懂，对刚刚接触单细胞或对单细胞结合组织分析感兴趣的小伙伴来说十分具有参考意义。长话短说，小编接下来就带大家一睹为快。

Single-cell RNA datasets and bulk RNA datasets analysis demonstrated C1Q⁺ tumorassociated macrophage as amajor and antitumor immune cell population in osteosarcoma

单细胞和组织RNA数据集分析揭示C1Q⁺肿瘤相关巨噬细胞是骨肉瘤中主要的抗癌免疫细胞

一．研究背景

骨肉瘤(OS)是最常见的原发性骨肿瘤，多发生在儿童、青少年和年轻成人中，且患者往往具有极差的预后。由于先前研究已经发现免疫细胞浸润对OS的预后有重要影响，因此这篇文章就整合了单细胞和组织数据，对OS中主要的免疫细胞亚群及其特征进行了全面详细的分析。

二．文章摘要

研究收集了来自公共数据库的OS单细胞及组织测序数据，作者首先在组织数据集中根据免疫浸润水平对样本进行了分组并识别了差异表达基因，接着在单细胞数据集中将这些基因定位到微环境中的细胞亚群。此外，研究也对单细胞数据集中识别出的各类髓系细胞标记基因进行了功能富集分析，并通过C1Q⁺巨噬细胞标志物将骨肉瘤样本聚类为两组，并比较了两组的生存差异。结果研究发现与低免疫浸润组相比，高免疫浸润组预后较好，且几乎所有差异表达基因都在髓系细胞中高表达或仅在髓系细胞中表达。研究也在髓系细胞中识别出一类C1Q阳性的巨噬细胞，且该细胞的浸润与较长的生存期相关。

三．文章的主要内容及结果

1. 骨肉瘤高免疫浸润组预后较好

文章首先对不同免疫浸润OS的预后进行了分析。研究的总体流程如图1所示。研究首先根据免疫基因的表达将样本聚类分为高、低免疫浸润组(图2A)，并通过ssGSEA计算两组中免疫细胞的浸润评分，结果发现高免疫浸润组表现出较高的免疫细胞评分，低免疫浸润组的各种免疫细胞评分都较低(图2B)。此外，研究也发现高免疫浸润组的预后较好(图2C)。进一步研究识别了高和低免疫浸润组之间的DEGs，最终识别出两个数据集共有的34个DEGs，且研究发现这34个基因几乎都与较好的总生存期相关(图2F)。接着研究通过功能富集分析发现这34个基因与白细胞和T细胞增殖相关(图2D)。研究进一步通过GSEA分析发现DEGs与细胞因子受体相互作用、破骨细胞分化、吞噬作用等相关(图2E)。

2. 巨噬细胞是骨肉瘤的主要免疫细胞亚群

这一部分研究使用单细胞数据集对OS微环境中的细胞群进行了分析。研究经过质控后保留了99668个细胞，并将其聚类注释为9个亚群，进一步研究观察了组织数据识别的DEGs在这些细胞亚群中的表达情况(图3A-D)，结果发现这些基因主要在髓系细胞和FABP4⁺巨噬细胞中表达(图3E)。作者接着将髓系细胞重聚类为9个簇，并注释为6个细胞亚群(图4A-D)，并分析了DEGs在这些亚群中的表达情况，结果识别出了一类C1Q⁺肿瘤相关巨噬细胞(TAM)。接下来研究比较了细胞亚群的标记基因和之前获得的34个DEGs，识别出15个共有的DEGs，其中C1QA是C1Q+ TAM的标志物(图4E)，此外研究通过C1Q⁺巨噬细胞标志基因的富集分析发现其与抗原加工呈递和中性粒细胞活化有关(图4F)。

3. C1Q⁺ TAM标记物与较好的预后有关

这一部分研究进一步对C1Q⁺ TAM标记物与临床结局的关联进行了分析。研究在C1Q⁺ TAMs中识别了219个显著标记基因，作者发现10个倍数变化最高的标记基因中有5个与较好的预后相关，分别是C1QA、C1QB、FOLR2、LGMN和APOE(图5A)。接着研究使用C1Q⁺ TAMs的标记基因，基于层次聚类将组织数据中的样本分为两组(图5B)，研究发现C1Q⁺巨噬细胞标志物高表达组的总生存期更好(图5C)，这表明C1Q⁺ TAM浸润发挥了抗肿瘤作用。接下来研究计算了这219个标记基因之间的共表达系数，并提取了显著的共表达基因，并绘制了共表达网络(图5D)。此外，研究也分析了细胞相互作用(图5E)，结果发现C1Q⁺ TAMs主要作用于内皮细胞。

到这里这篇文章的主要内容就介绍完了。文章通过不同免疫组的差异基因定位将组织及单细胞数据关联起来，并基于组织数据的差异基因在单细胞数据集中识别出了一类抗肿瘤巨噬细胞。文章的分析方法十分经典，内容也非常简洁易懂，且逻辑清晰，是一篇十分值得参考学习的单细胞结合组织分析的范文。