儿童小脑肿瘤揭示出保守的胚胎期转录程序

利用单细胞转录组研究小脑肿瘤发病疾病，链接是Nature Pub Date : 2019-05-01 , DOI: 10.1038/s41586-019-1158-7 .文章标题：Childhood cerebellar tumours mirror conserved fetal transcriptional programs.

摘要

对小脑肿瘤的起源和发展的研究受到在发育过程中发生变化的小脑细胞的复杂性和异质性的限制。本研究，我们使用单细胞转录组学来研究发育中的小鼠小脑的超过60,000个细胞，并且显示儿童小脑肿瘤的不同分子亚群反映了来自不同的，时间上受限制的小脑谱系的细胞的转录情况。 Sonic Hedgehog成神经管细胞瘤亚组转录反映了预期的颗粒细胞层次，而第3组成神经管细胞瘤类似于Nestin +干细胞，第4组成神经管细胞瘤类似于单极刷细胞，PFA / PFB室管膜瘤和小脑毛细胞星形细胞瘤类似于产前的神经胶质祖细胞。此外，人类儿童小脑肿瘤的单细胞转录组学证明许多大块肿瘤含有具有不同分化的混合细胞群。我们的数据突出显示小脑肿瘤是早期大脑发育的一种疾病，并为儿童早期小脑肿瘤的高峰发病率提供了近似的解释。

测序数据介绍

使用scRNA-seq技术，对60000个发育过程中的小鼠小脑细胞、儿童小脑肿瘤组织样本进行单细胞转录测序

进行了测序。利用Agilent 2100生物分析仪系统评估cDNA的大小，质量，浓度和纯度以及相应的10×文库质量。 在Illumina 2500测序平台中对10x文库进行测序。

数据分析情况

比对: GRCm38 (mm10) according to 10x CellRanger pipeline.

细胞过滤：基因表达小于300个、线粒体基因含量高、基因表达丰度低的（(genes expressed in <3 cells）的数据均被舍去，同时将我们预测中具有双峰相对较高的（高于中值4-5 s.d.）文库的数据也被丢弃。

聚类分析：利用Seurat包对表达矩阵进行聚类、 使用主成分分析进行降维分析、tNSE亚群聚类进行分析。使用“密度峰值”聚类算法对细胞进行分组。 使用广义线性模型进行差异基因表达分析，并选择每簇的前1000个基因（the top 1,000 genes per cluster were selected）。

类别定义：每个聚类中识别出的TOP差异表达基因作为该聚类簇的细胞类型标记基因。

(本文采用的分析方法参考了多篇文献，深入了解参看原文)

表达矩阵可以下载：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE118068

主要分群情况

FIG1.jpg


2.jpg

FIG.S6.jpg

临床意义

单细胞转录组揭示出：正常的、在转录上与小脑肿瘤最匹配的非转化细胞群只存在于子宫内，或出生即存在。The normal, non-transformed cell populations that transcriptionally best match cerebellar tumours are only present in utero, or immediately postnatally; these populations are therefore not present in the brains of children at the time of presentation and probably could not contaminate their tumours.）小脑肿瘤的scRNA-seq数据使得肿瘤细胞自主和侵袭非肿瘤细胞生物学进行进一步的分析和深入研究成为可能。不仅可以，更全面地了解上述特定小脑层次结构的生物学特征和转录表达情况及其发育的时序性，还可以更好地理解小脑肿瘤生物学；促进新小鼠模型的后续开发，改进肿瘤诊断，并为基于肿瘤细胞与其正常细胞来源之间差异开发理想的治疗方法。