爱了 | 这篇单细胞多组学文章,全部代码,以及16G处理后的数据,都分享了,非常好复现,照着做就行
🚀科研不掉发,快来这个地表最强的生信神仙网站:
中国银河生信云平台
👉 立即访问:https://usegalaxy.cn
在多数实体瘤里,Treg 细胞常被看作帮助肿瘤逃避免疫监视的角色。
但在结直肠癌中,Treg 浸润有时反而和更好的临床结局相关。
这背后究竟是同一种细胞在不同环境下“变脸”,还是本来就存在功能不同的 Treg 亚群?
2026 年 1 月 13 日,这篇工作发表于Immunity,由 Memorial Sloan Kettering Cancer Center 等团队完成。研究者结合小鼠 MSS 结直肠癌模型与人 CRC 样本发现,肿瘤内 IL-10+ Treg 和 IL-10− Treg 并非同向作用,而是分别限制和促进肿瘤进展。今天我们就来拆解一下这篇生信文章Opposing functions of distinct regulatory T cell subsets in colorectal cancer。
研究概述
这项研究聚焦一个长期存在的矛盾现象:多数癌种里 Treg 富集常提示差预后,但结直肠癌尤其是 MSS CRC 并不完全符合这一规律。作者提出,问题可能不在于 Treg 多或少,而在于肿瘤里到底是哪一类 Treg 占优势。
为此,研究团队在小鼠 AKP 正位结肠癌模型和人 CRC 手术样本中,对肿瘤浸润 T 细胞进行了单细胞转录组和染色质开放性分析。结果显示,肿瘤中存在两类可区分的 Treg 亚群:一类表达 IL10、RORC,另一类表达 IKZF2 等程序。前者主要抑制促肿瘤的 IL-17 反应,后者则更偏向压制抗肿瘤免疫,二者共同解释了 CRC 中 Treg 作用的双面性。
实验设计
研究首先采用带有Apc、Trp53缺失和KrasG12D激活的 AKP 类器官,建立小鼠盲肠壁正位移植的 MSS CRC 模型,并与 MC38 模型比较其免疫微环境和对 PD-1 阻断的反应。
随后,作者对肿瘤与邻近正常结肠组织中的 T 细胞实施配对单细胞 RNA/ATAC 多组学测序,并在 2、4、6 周多个时间点开展 scRNA-seq 动态追踪。针对功能验证,研究使用遗传学策略分别清除 IL-10+ Treg 或 IL-10− Treg,并结合 IL-10Rα 阻断、IL-17RA 缺失类器官、体外细胞因子刺激、肝转移模型以及人 CRC 多组学和空间转录组数据进行交叉验证。临床层面,作者还对 102 例 CRC bulk RNA-seq 队列进行去卷积,并分析不同 Treg 亚群与生存结局的关系。
研究结果
图 1AKP 正位类器官模型在组织学、免疫浸润特征和抗 PD-1 不敏感性方面更接近人类 MSS 结直肠癌。
图 2小鼠肿瘤与邻近结肠的单细胞 RNA/ATAC 分析显示,Treg 可分为 IL-10+ 与 IL-10− 两群,其中 IL-10− Treg 在肿瘤中逐渐富集。
图 3两类 Treg 具有不同的转录和染色质调控程序:IL-10+ Treg 偏向Il10、Maf、Zeb2等模块,IL-10− Treg 偏向Ikzf2、Il1rl1、Gata3等模块。
图 4选择性去除 IL-10+ Treg 会使肿瘤增大,而去除 IL-10− Treg 则导致明显肿瘤回缩,说明两类 Treg 对 CRC 生长的作用方向相反。
图 5IL-10+ Treg 主要通过限制 CD4+ T 细胞产生 IL-17 来抑制肿瘤,而 IL-10− Treg 更倾向于压制 CD8+ 和 Th2 相关抗肿瘤反应;IL-17 还能直接促进肿瘤类器官生长。
图 6在人 CRC 中同样可以识别 IL-10+ 与 IL-10− 两类 Treg,前者富集于邻近正常组织、关联更好生存,后者富集于肿瘤区域、关联更差生存。
图 7在肝转移灶中,Treg 构成进一步偏向 IL-10− 亚群,整体去除 Treg 可降低转移负荷,提示不同部位的 Treg 组成会影响其净效应。
数据分析
生信分析
1. 单细胞转录组
文中对小鼠原发瘤、邻近正常结肠、不同时间点样本以及肝转移相关样本进行了 scRNA-seq 分析,也对人 CRC 肿瘤与邻近正常组织 T 细胞进行了单细胞转录组分析。原始 FASTQ 先用Cell Ranger比对和计数,再按不同数据集设置线粒体比例、检测基因数、UMI 数等质控阈值。之后使用 PCA、UMAP 和 Leiden 聚类进行降维与聚类,并通过迭代子聚类进一步细分 T 细胞状态。
在表达层面,作者据此识别出小鼠肿瘤中的 Th1、Th17、Tfh、记忆 T 细胞、IL-10+ Treg、IL-10− Treg 等群体,并做时间序列变化分析。针对 IL-10+ Treg 清除后的 CD4+ T 细胞变化,还进行了 pseudo-bulk RNA-seq 差异表达分析。肝转移部分则比较了原发灶、引流淋巴结和肝转移灶中的 T 细胞构成。
2. 单细胞染色质开放性组
研究在小鼠和人 CRC T 细胞中实施了配对的 scATAC-seq 分析。ATAC 数据按片段数和 TSS enrichment 进行过滤,小鼠常用阈值包括至少 180 个 fragments 和 TSS enrichment 至少 3,人样本则至少 1,000 个 fragments 和 TSS enrichment 至少 4。
在分析上,作者对 scATAC 数据进行 tile-level 降维,小鼠使用 iterative LSI,人样本先做批次校正后再生成潜在空间嵌入。随后利用chromVAR评估不同 T 细胞群和 Treg 亚群的转录因子 motif 富集情况,发现 IL-10+ Treg 更偏向 RORC 相关程序,而 IL-10− Treg 更偏向 GATA、NR4A 等程序。
3. 多组学联合分析
这篇文章的核心分析框架是配对单细胞 RNA/ATAC 多组学。作者将同一样本的 RNA 与 ATAC 信息联用,在同一细胞尺度上同时定义细胞身份和调控状态,并把 RNA 侧的细胞标签转移到 ATAC 侧做开放染色质解释。
在调控元件推断方面,研究使用SCARlink对小鼠 CD4+ T 细胞多组学数据进行分析,在 4,315 个高变基因范围内预测基因相关增强子,并用 z-score 和 FDR 过滤候选增强子。该分析表明,Il10与Ikzf2等关键位点在两类 Treg 中具有不同的增强子连接模式,支持其为稳定而非短暂的转录状态。
4. 基因模块与空间转录组
作者用Hotspot在小鼠和人 Treg 数据中分别识别基因共表达模块,构建 IL-10+ Treg 和 IL-10− Treg 的 signature,并用scanpy的score_genes()进行模块打分。这些 signature 随后被用于跨物种比较,验证人鼠 Treg 亚群的一致性。
在人样本层面,文章还结合 10x Genomics 的 single-cell Flex 与 Visium HD 数据进行空间分析。Flex 数据先做常规 QC、归一化、PCA 和 Leiden 聚类,Visium HD 则在 8 μm 分辨率下分析,并用TACCO结合匹配的 Flex 样本做标签转移,从而推断 IL-10+ Treg 在邻近正常组织更丰富,而 IL-10− Treg 更集中在肿瘤区域。
5. 去卷积与生存分析
为了评估临床意义,作者使用来自 102 例手术样本的 bulk RNA-seq 数据,结合 10x Genomics CRC 单细胞参考图谱,通过BayesPrism估计两类 Treg 的相对丰度。随后按高低丰度分组,绘制 Kaplan-Meier 生存曲线。
此外,肝转移与原发灶之间的细胞邻域丰度变化使用Milo完成,基于 kNN 图进行 differential neighborhood abundance analysis,以比较不同组织部位中免疫细胞群体的富集差异。
统计分析
文中实验数据主要以均值 ± SEM 展示。流式、肿瘤负荷和部分功能实验根据图注分别使用非配对 t 检验、单因素 ANOVA 或双因素 ANOVA。
测序数据分析中,基因模块得分比较使用 Wilcoxon rank-sum test;差异表达火山图和细胞频率分析采用非配对 t 检验并结合 Benjamini-Hochberg 方法进行多重校正;生存分析采用 Kaplan-Meier 检验。部分图注明确标注了具体统计方法,如图 5 的多个面板分别使用非配对 t 检验、单因素 ANOVA 和双因素 ANOVA。
总结
研究意义
这篇文章回答了一个很关键的问题:为什么结直肠癌中的 Treg 浸润并不总是意味着更差结局。作者给出的解释不是“CRC 中 Treg 例外”,而是“CRC 中存在功能相反的 Treg 亚群”。
其中,IL-10+ Treg 通过抑制 Th17/IL-17 轴限制原发肿瘤生长;IL-10− Treg 则更符合传统认知,主要抑制抗肿瘤免疫并促进肿瘤进展。这个框架把小鼠遗传学、人类单细胞多组学、空间转录组和生存数据串了起来,也提示 CRC 免疫治疗未必应该简单地“整体去 Treg”,而更可能需要选择性打击促肿瘤的那一支。
作者进一步指出,CCR8 在 IL-10− Treg 上表达较高,因此这类策略或许有机会保留 IL-10+ Treg 的保护作用,同时解除 IL-10− Treg 对效应免疫的抑制。对于 MSS CRC 这类对现有免疫检查点抑制疗法反应有限的肿瘤,这一思路具有明确的转化意义。
文章复现
原始数据提供情况:
• GEO:
GSE290623• 10x Genomics 人 CRC single-cell Flex 与 Visium HD 数据集:
https://www.10xgenomics.com/platforms/visium/product-family/dataset-human-crc• Pan-cancer CD4+ T cell atlas:
https://singlecell.mdanderson.org/TCM/
代码提供情况:
•
https://github.com/snehamitra/CRC_Treg_manuscript
处理后的数据在Zenodo,共有16.3GB,还是非常有诚意的:
中国银河生信云平台精品课程
中国银河生信云平台(UseGalaxy.cn)致力于生信平权。海量云端算力、8000+生信工具结合AI,推动生信进入3.0时代:数据分析从本地到云端,从手工到 AI。加入交流群,免费领取学习资料。
左手代码,右手云平台。特色生信培训,助你丝滑发顶刊:
单细胞数据分析培训班(Python/Galaxy可选),不怕学不会
转录组数据分析实战(Galaxy)| 直播回放
咨询小助手:usegalaxy
