单细胞分辨率下的胶质母细胞瘤异质性 

胶质母细胞瘤(GBM)是最常见和最致命的恶性脑肿瘤，5年生存率仅为7%。虽然所有恶性脑肿瘤的总生存率在过去十年中显著增加，但GBM的生存率一直很低。目前治疗GBM的护理标准是手术加放疗和化疗。由于GBM患者在接受标准治疗后的前景仍然严峻，人们对最终克服这种疾病的免疫治疗方法寄予了很大的希望。然而，尽管最近在某些类型的癌症中取得了进展，但普遍观察到耐药性，到目前为止，免疫疗法在对抗GBM方面表现平平。患者间和肿瘤内的异质性、GBM不同亚型、多发性胶质瘤干细胞的存在以及肿瘤微环境(tumor microenvironment，TME)的异质性都有很好的文献记录，并且仍然是寻找有效治疗的主要障碍之一(图1)。基于单细胞技术的广泛可用性允许以前所未有的分辨率揭示DNA、RNA、表观遗传和蛋白质水平的异质性(图2)。在这里，Eisenbarth等人回顾了最近利用基于单细胞技术来更好地理解GBM异质性的原因和后果的研究(表1)。 

图1 GBM的异质细胞类型。GBM由几种不同细胞类型组成，包括巨噬细胞、T细胞、内皮细胞、小胶质细胞、胶质瘤干细胞、髓源性抑制细胞、肿瘤细胞和成纤维细胞，所有这些细胞都表现出多个不同亚群或细胞状态。

图2目前基于单细胞技术可用于研究GBM异质性。A包括单细胞RNA测序(scRNA-seq)、单核RNA测序(snRNA-seq)、转座酶可及染色质单细胞测序(scATAC-seq)和单细胞空间转录组学(scST)。B其他单细胞检测:单细胞DNA测序(scDNA-seq)、飞行时间细胞术(CyTOF)、单细胞分泌蛋白的时间分辨测序(trap -seq)、单细胞T细胞受体测序(scTCR-seq)、转录索引ATAC-seq (T-ATAC-seq)、转录组和表位的细胞索引(CITE-seq)、单细胞Cap和Tail测序(scCAT-seq)及其读数 

表1 涉及到的单细胞研究

虽然scRNA-seq极大地提高了我们对GBM异质性的理解，但仍有一些限制降低了此类研究获得的洞察力。根据选择方法和细胞/组织类型，单细胞初始制备可以人为地改变细胞数量，并且scRNA-seq数据总体上存在噪声，捕获效率低，并且存在批量效应。因此，scRNA分析严重依赖于生物信息学管道来抵消这些限制。这些管道包括对齐、质量控制、量化、降维、聚类、表达分析等，所有这些都会给数据带来大量的不确定性。当前scRNA-seq技术无法轻易捕获的其他事件包括对等位基因表达、选择性剪接和其他RNA编辑机制的研究。由于RNA丰度并不总是转化为蛋白质表达和活性，因此除了转录组学数据外，还需要探索允许同时定量细胞表面蛋白质的方法。肿瘤至少在一定程度上是其周围环境的产物，然而，肿瘤细胞的空间分布及其周围细胞的TME和组织在基因表达背景下的组织结构仍然难以研究。空间转录组学能够研究细胞状态分布和基因表达，同时保持有关组织结构的信息，为GBM细胞网络提供新的见解。单细胞空间转录组学的出现无疑将在未来十年带来更多的发现和新疗法的发展。选择分析先前保存的患者样本，而不依赖于新鲜组织，打开了一个巨大的存储库，并应导致数据的快速积累。建立数据库将允许快速分析人类患者的细胞景观，并确定肿瘤核心、髓细胞群和效应T细胞之间的额外抑制受体/配体对，最终导致免疫治疗药物和新型组合治疗的改进。然而，许多单细胞技术和生物信息学管道分析所产生的大量数据仍处于早期阶段，进一步的改进和微调将使GBM肿瘤的分析和全面表征更加完整。最后，由于相对较少的数量或不明确的标记表达而无法检测和表征的未被重视的细胞群体和细胞状态的鉴定将为解决与GBM斗争中遇到的困难提供进一步的方法。 

自从第一次组织学描述以来，我们对GBM的理解稳步增加，并改变了我们对这种疾病的看法。遗传景观本身不足以解释异质性的出现，将肿瘤细胞与环境之间的相互作用作为逻辑解释。虽然很难可靠地将GBM划分为不同的亚型，但很明显亚型分布与癌细胞状态和TME状态直接相关。此外，免疫和癌症干细胞状态、侵袭潜力和治疗诱导的变化在异质性的背景下都是相关的。随着单细胞技术的进步，肿瘤细胞和肿瘤微环境的巨大异质性已经变得明显。进一步提高它们的分辨率，使它们更容易获得，并增加新的功能和管道来分析数据，将有助于回答与GBM作斗争中的许多遗留问题。总之，表征和理解GBM的异质性对于改善治疗方案和确定个体患者的最佳治疗方法至关重要。 

关于GBM异质性的详细综述参见文献[1]。 

参考文献

[1] Eisenbarth D, Wang YA. Glioblastoma heterogeneity at single cell resolution. Oncogene. 2023 Jun 5. doi: 10.1038/s41388-023-02738-y.

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. ​EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. ​EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC

12. 免疫信号通路关联的调控子数据库：ImmReg

13. 利用药物转录组图谱探索中药药理活性成分平台：ITCM

14. AgeAnno：人类衰老单细胞注释知识库

15. 细菌必需非编码RNA资源：DBEncRNA

16. 细胞标志物数据库：singleCellBase

17. ​实验验证型人类miRNA-mRNA互作数据库综述

18. 肿瘤免疫治疗基因表达资源：TIGER