单细胞水平的拟时序分析看肿瘤进化关系

再次回顾一下这个2022年9月发表在science杂志的单细胞文章：《Lineage plasticity in prostate cancer depends on JAK/STAT inflammatory signaling》，前面关于它的解读见：单细胞转录组定量的时候需要修改参考基因组，是一个开放性讨论。

该研究设计的单细胞样品还是蛮多的，主要是分成3组：

• WT (9 mice),
• PtR (7 mice, PbCre:Rosa26mT/mGPtenfl/flRb1fl/fl),
• PtRP (13 mice, PbCre: Rosa26mT/mGPtenfl/flRb1fl/flTrp53fl/fl)

因为涉及到了不同发育时间，可以看到仅仅是WT组就9个样品了：

GSM6428986 Wild-Type 12 Wks Replicate 1, Intact (no castration or DHT)
GSM6428987 Wild-Type 12 Wks Replicate 2, Intact (no castration or DHT)
GSM6428988 Wild-Type 24 Wks Replicate 1, Intact (no castration or DHT)
GSM6428989 Wild-Type 24 Wks Replicate 2, Intact (no castration or DHT)
GSM6428990 Wild-Type 24 Wks Replicate 3, Intact (no castration or DHT)
GSM6428991 Wild-Type 32 Wks Replicate 1, Intact (no castration or DHT)
GSM6428992 Wild-Type 32 Wks Replicate 2, Intact (no castration or DHT)
GSM6428993 Wild-Type 32 Wks Replicate 3, Intact (no castration or DHT)
GSM6428994 Wild-Type 8 Wks Replicate 1, Intact (no castration or DHT)

全部的数据在：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE210358 ，也很容易下载表达量矩阵的txt或者csv文件自己分析一波。

从第一层次降维聚类分群，可以看到野生型小鼠主要是basal以及lum细胞，而肿瘤基因工程小鼠就是带有Gfp的就亚群很多了：

第一层次降维聚类分群

文献写的很清楚：

• WT includes luminal 1, luminal 2, and basal.
• Mutant cell types include adenocarcinoma, Tff3-Gfp, Pou2f3-Gfp, Vim-Gfp, and NEPC.

既然肿瘤基因工程小鼠里面的细胞亚群这么多，就有必要弄清楚它们的进化关系，因为野生型小鼠主要是basal和两种lum细胞，这个时候跟肿瘤没有关系，所以删除掉它们后，剩余的5个单细胞亚群进行拟时序分析，如下所示：

5个单细胞亚群进行拟时序分析

值得注意是的文献并没有使用大家熟悉的monocle进行拟时序分析，首先是因为本文绝大部分分析都是基于Python，这个时候它的工具是 Palantir ，后续有机会可以写这个Palantir工具的用法：

顺理成章的解读这个Palantir工具的运行 结果 ：

• We next considered the putative transition from adenocarcinoma to NEPC given its clinical relevance to acquired resistance. Lacking lineage tracing confirmation,
• we conducted further analysis on the structure of the neighbor-graph to help support adenocarcinoma as a more likely source of NEPC than any other subpopulation like Vim-Gfp.

虽然这里面没有加上拟时序箭头，但是也可以看到 NEPC 是终点事件，但是它有可能是来自于adenocarcinoma 这个单细胞亚群，也有可能是来自于 Vim-Gfp 这个单细胞亚群。

而这个Palantir工具有一个优点就是：Line plot of multi-scale diffusion distance between consecutive cells along the shortest path between start and end cells identified by Palantir

计算不同两个可能的单细胞亚群起点到这个NEPC 终点事件的路径，从而选择最合适的发育顺序。如下所示：

multi-scale diffusion distance

既然确定了NEPC是由adenocarcinoma演变过来的， 接下来就关心 adenocarcinoma-to-NEPC transition 这个过程，所以细化一下仅仅是针对 adenocarcinoma和NEPC 进行拟时序：

仅仅是针对 adenocarcinoma和NEPC 进行拟时序

思路还是蛮清晰的，而且感觉它这个思路应该是可以快速应用于大量的不同癌症的单细胞数据集，尤其是关心疾病进展的那些数据，从正常组织到癌旁到癌变到恶性癌组织的转换关系。