シングルセルアトラスを使用したバルクRNA-seqデータのデコンボリューションによる肝臓癌の腫瘍微小環境の解読

肝臓の癌は、世界中のヘルスケアに大きな負担を引き起こします。腫瘍微小環境（TME）を理解することは、精密療法の開発を支えます。シングルセルRNAシーケンス（SCRNA-seq）テクノロジーは、TMEの高品質の細胞アトラーゼを生成しましたが、その幅広い用途は、さまざまな臨床状況に膨大なコストに直面しています。幸いなことに、さまざまなデコンボリューションアルゴリズムは、代わりにバルクRNA-Seqデータを再利用して、SCRNA-seqデータセットを生成する必要性を軽減できます。この研究では、この研究の関連性について主要な公開データベースをレビューし、臨床研究から8つのRNA-seqと1つのマイクロアレイデータセットを利用しました。肝臓がんのTMEを解読するために、3つの参照SCRNA-seqアトラーゼを使用してCiberSortxを使用してサンプルをデコンボリューで排出することにより、肝細胞成分の画分を推定しました。また、CiberSortxが細胞型/対象のサブタイプを正確にデコンボリュートすることができることを確認しました。非腫瘍性肝臓と比較して、肝臓がんは、正常な肝臓微細構造、および線維形成、異常な血管新生、および免疫応答の乱れに関与する上昇した細胞タイプを形成する複数の細胞型の減少を示しました。生存分析は、5つの細胞タイプ/サブタイプの画分が患者の転帰と有意に相関しており、潜在的な治療標的を示していることを示しています。したがって、SCRNA-seq ATLAS参照を使用したバルクRNA-Seqデータのデコンボリューションは、TMEを理解するのに役立つ有用なツールになります。

Liver cancers give rise to a heavy burden on healthcare worldwide. Understanding the tumour microenvironment (TME) underpins the development of precision therapy. Single-cell RNA sequencing (scRNA-seq) technology has generated high-quality cell atlases of the TME, but its wider application faces enormous costs for various clinical circumstances. Fortunately, a variety of deconvolution algorithms can instead repurpose bulk RNA-seq data, alleviating the need for generating scRNA-seq datasets. In this study, we reviewed major public omics databases for relevance in this study and utilised eight RNA-seqs and one microarray dataset from clinical studies. To decipher the TME of liver cancer, we estimated the fractions of liver cell components by deconvoluting the samples with Cibersortx using three reference scRNA-seq atlases. We also confirmed that Cibersortx can accurately deconvolute cell types/subtypes of interest. Compared with non-tumorous liver, liver cancers showed multiple decreased cell types forming normal liver microarchitecture, as well as elevated cell types involved in fibrogenesis, abnormal angiogenesis, and disturbed immune responses. Survival analysis shows that the fractions of five cell types/subtypes significantly correlated with patient outcomes, indicating potential therapeutic targets. Therefore, deconvolution of bulk RNA-seq data with scRNA-seq atlas references can be a useful tool to help understand the TME.