Cancer Cell|Bulk+scRNA-seq+10X Visium揭示成纤维细胞的多重面孔：从组织修复到肿瘤帮凶-程序员充电站

肿瘤微环境里，成纤维细胞一直是个“神秘角色”——既能帮组织修复，也会助推癌症进展。这些细胞之间究竟存在怎样的差异，才导致了功能上的天壤之别？

2024年10月14日，Cancer Cell杂志发表了北京大学张泽民院士团队与广东医科大学侯文红团队的合作研究成果，通过跨组织单细胞分析构建了人类成纤维细胞图谱，鉴定出具有不同免疫调控功能的肌成纤维细胞亚群。今天我们就来拆解一下这篇文章：Cross-tissue human fibroblast atlas reveals myofibroblast subtypes with distinct roles in immune modulation。

研究概述

整合517个人类样本的单细胞RNA测序数据，覆盖11种组织和43种健康/病理状态，获得269,899个成纤维细胞转录组；鉴定出20个转录组存在差异的成纤维细胞亚群，重点解析肌成纤维细胞亚群的谱系来源、信号调控机制及在肿瘤免疫微环境中的功能；关联临床数据明确亚群与患者预后的关系，为癌症精准治疗提供新靶点和生物标志物。

实验设计

收集健康、炎症、癌症等不同病理状态的人类组织样本517个，整合公共数据集与新生成的单细胞转录组数据；经质量控制去除非成纤维细胞及低质量细胞后，通过整合聚类鉴定出20个成纤维细胞亚群；结合空间转录组、多重免疫组化明确亚群的空间分布；通过体外细胞培养、功能实验验证亚群的细胞互作及转化特征；利用TCGA数据集分析亚群与患者预后的关联。

研究结果

图1：呈现研究设计、样本分布及聚类结果，明确组织特异性、共享型及通用型成纤维细胞亚群的分类。

图2：炎症和癌症状态下成纤维细胞组成发生改变，炎症组织呈中间激活状态，癌症组织中肌成纤维细胞富集且存在通路与代谢重编程。

图3：鉴定出4种肌成纤维细胞亚群，LRRC15+亚群为终末分化状态，与患者不良预后相关，受特定转录因子和细胞因子调控。

图4：PI16+和COL15A1+为成纤维细胞祖细胞，在癌旁组织中富集，其与肌成纤维细胞的比例可区分患者预后亚型。

图5：成纤维细胞亚群参与不同多细胞模块，PI16+和LRRC15+亚群分别定位于功能不同的免疫微环境。

图6：LRRC15+亚群与SPP1+巨噬细胞、MMP1+亚群与Treg细胞存在配体-受体相互作用，体外实验验证MMP1+成纤维细胞可促进Treg迁移。

图7：总结成纤维细胞亚群的动态转化过程及在不同空间微环境中的功能分工。

数据分析

生信分析

该研究涉及单细胞RNA测序（scRNA-seq）、空间转录组（10X Visium）和批量RNA测序（Bulk RNA-seq）。

分析流程

先对数据进行预处理，包括质量控制、去除批次效应及非成纤维细胞筛选；再通过聚类分析鉴定成纤维细胞亚群，筛选亚群特异性差异基因；随后进行功能特征分析，包括通路活性预测、基因调控网络构建、细胞谱系轨迹推断及细胞互作分析；最后结合临床数据，进行患者分层及预后关联分析。

生信工具

• 数据预处理与校正
使用Cell Ranger进行定量，通过Scrublet识别双细胞，再利用BBKNN、scVI或Harmony去除批次效应。
• 亚群注释与特征提取
利用Leiden算法聚类，SCENIC分析转录因子调节网络，并计算基因集活性分数。
• 轨迹与谱系分析
通过Velocyto、scVelo计算RNA速率，结合CellRank和PAGA来推断细胞分化方向。
• 细胞间通讯与空间反卷积
使用CellPhoneDB和LIANA+分析配受体互作，再通过cell2location将单细胞信息映射至空间位置。

统计分析

• 使用Wilcoxon秩和检验、t检验比较不同组间基因表达、亚群比例及通路活性差异；
• 通过Cox比例风险模型分析成纤维细胞亚群与患者总体生存的关联，校正年龄、性别及肿瘤分期等混杂因素；
• 利用Permutation test验证空间转录组中细胞亚群共定位的显著性；
• 采用Benjamini-Hochberg法对多重检验结果进行校正，控制假发现率。
总结

研究意义

该研究提供了目前最全面的人类成纤维细胞单细胞资源，界定了在癌症进展中起不同作用的肌成纤维细胞亚群。系统揭示了成纤维细胞的亚群异质性及疾病进展过程中的组成重塑规律，这一发现打破了将成纤维细胞视为单一整体的传统观点；并明确了不同肌成纤维细胞亚群在肿瘤免疫微环境中的功能分工，为癌症患者的临床分层、预后评估提供了潜在生物标志物，也为靶向成纤维细胞的精准治疗提供了新靶点和理论依据。