基于单细胞测序的肿瘤内异质性指数研究及生存预测

Intra-tumour heterogeneity is an important feature of malignant tumours. It embodies the heterogeneity of tumour in molecular and genome level, and is related to tumour metastasis and patient’s survival. However, most methods characterise intra-tumour heterogeneity are relatively simple, such as counting the number of sub-clone or cell types, which cannot effectively represent the complex genetic dynamics from high-throughput sequencing data. To overcome these shortcomings, we proposed a semi-automatic optimisation approach to calculate multiple diversity index based on single cell next generation sequencing (scNGS) data. Specifically, we will.Aim 1: Establish a scNGS-based cancer genomics database by integrating published dataset; call the genetic variants using a standardized data processing pipeline in single cell level for multiple cancer types..Aim 2: Compute multiple ecological biodiversity index to characterize tumor heterogeneity based on the database from Aim 1; run stepwise regression on the Cox survival model to identify the optimal heterogeneity index and driver mutations related to patient survival..Aim 3: Build machine learning-based prediction software (model) (e.g. SVM) using the optimized heterogeneity index in Aim 2; provide the semi-automatic analysis pipeline for any scNGS data to precisely predict the patient survival for clinical decision..Outcomes: These data integration and analysis will consolidate a high-quality database specific for cancer scNGS data for clinical evaluation. In addition, the explaining and predictive models based on standardized scNGS database will further define the key genes and pathways that drive cancer heterogeneity, improve understanding of how various heterogeneity index important in cancer evolution, and identify key genetic feature with potential utility as biomarkers for effective prevention in patient prognosis using scNGS technology. Given the availability of data, resources and skills of the team, this project is highly feasible and timely.

肿瘤内异质性是恶性肿瘤的重要特征，反映肿瘤细胞在分子生物学或基因方面的多样性改变，是影响癌症转移和生存期的重要因素，但目前描述肿瘤内异质性的方法大多较为简单，常仅是简单的细胞亚群或细胞类型的数量，缺乏对高通量组学数据的充分使用。本项目拟收集公开发表的癌症单细胞测序，通过标准的突变鉴定流程查找突变建立起癌症单细胞数据库，并通过借鉴生态学中用于描述多样性的多种指标，构建反映细胞生物多样性的肿瘤异质性指数，并构建基于每个癌症类型的统计模型（cox模型），通过逐步回归择选出最佳的与病患生存时长相关的异质性指数。此外，还将针对每种的癌症类型构建有效机器学习的预测模型，并在临床肿瘤病例中进行外延验证，将为精准医疗的临床决策提供科学依据。

本研究应用了最新的单细胞测序转录组数据（scRNA-seq），结合分子遗传和基因组数据，以及癌症病例的公共数据，研究癌症发生、发展中的重要驱动和调控机制。研究主要在两个具体的方面展开：.第一，整合了一致的拷贝数变异 (CNV) 和基因表达数据，提出了一个计算框架来探索单细胞水平上转移性三阴性乳腺癌 (TNBC) 的基因剂量效应。具体而言，我们使用了来自同一患者的，采用独立技术方法的搜集的CNV 和单细胞水平的表达两组数据，通过关注在 1145 个细胞的具有一致性的47,198 个拷贝数增益 (CNG) 和基因上调事件，发现在其中对蛋白质靶向有重要作用的核糖体蛋白大量富集。对此结论，我们在另一个独立的转移性 TNBC 数据集中进行了验证，同样识别到了依赖于信号识别粒子的蛋白质靶向是最重要的功能模块。更有趣的是，我们发现TNBC 中核糖体基因拷贝数的增加，可能与其增强的干细胞特性和转移潜力有关。事实上，在单细胞尺度上的这种上调功能模块的高拷贝数，也被证实对应了更好的患者存活率，这预示着核糖体蛋白有成为 TNBC 治疗靶点的潜力。.第二，整合了来自24种不同癌症类型的72个癌症数据集中的单细胞表达信息，通过应用已知的神经肽—受体互作用关系，在70个癌症数据集中建立了超过7600万次细胞间通讯。进一步的分析在各数据集中都稳定的细胞通讯分析，基于16个神经肽和23个受体，可以检测到大约1400万个稳定的细胞间通讯。对这39个基因的功能分析表明发现它们与血压调节有关，并且在超过一万个TCGA泛癌样本中与患者的存活率显着相关。通过对肺癌特异性临床特征，我们发现39个基因在吸烟患者中富集。在皮肤癌中，它们可能因具有不同组织学亚型和分子驱动因素的患者而异。我们的研究表明在单细胞的水平上，不同癌症类型的细胞通讯表现出一些共同和独特的神经肽—受体模式，这可能有助于开发基于神经肽的癌症治疗策略。