一篇单细胞和WGCNA结合的文献解读-2

文章题目

Integrating Clinical and Genetic Analysis of Perineural Invasion in Head and Neck Squamous Cell Carcinoma

背景

Perineural invasion (PNI)嗜神经侵袭 是头颈部癌常见的病理学特征，然而与其相关的临床特征、分子机制还不清楚。

方法

HNSCC的基因表达矩阵和临床特征数据下载自TCGA，与PNI有关的风险因子用cox regression回归进行筛选，同时应用WGCNA进行基因模块的确定，最后基因模块的功能和与PNI相关的非恶性细胞有一组单细胞数据来进行评价。

结果

结果1.有144个病人有PNI的，进行了风险比测定，发现有PNI的病人的风险是没有PNI病人的2倍（HR=2）

Survival analyses showed that PNI was significantly inversely associated with overall survival (OS) (HR, 2.08; 95% CI, 1.27 to 3.40; P = 0.004

image-20200602231354481

接下来是关于对有PIN组和非PIN组进行的与其他临床性状结合起来的分析,不过，我觉得途中的with PNI better和without PNI better好像写反了，应该左右顺序互换一下，箭头所指两个内容，都应该拿是如果病人是PNI分组的话，那么分期越高，风险越大，最后的生存期越短。

We performed an exploratory subgroup analysis of OS and found that PNI was significantly associated with worse OS in advanced-stage patients (pathologic stage III-IV) (HR, 2.62; 95% CI, 1.48 to 4.64; P < 0.001), while OS in early-stage patients was not influenced by PNI (HR, 0.37; 95% CI, 0.04 to 3.08; P = 0.358).

For pathologic T1-2 categories, PNI was not significantly associated with OS (HR, 0.85; 95% CI, 0.27 to 2.74; P = 0.79).

However, PNI decreased the OS of patients with T3-T4 lesions (HR, 2.75; 95% CI, 1.49 to 5.09; P = 0.001).

For patients in N2-N3 categories, a trend toward worse OS with PNI was evident (HR, 1.81; 95% CI, 0.84 to 3.89; P = 0.131).

The decreased survival of N0-1 patients with PNI was more significant (HR, 2.70; 95% CI, 1.24 to 5.86; P = 0.013).

对PIN组和非PIN组进行生存分析比较，发现PIN组整体生存期OS要显著低于非PIN组

image-20200602225352945

为什么说上面的图有错误呢？下面的图作者的解释就是又正确回来的，即PNI组的病人，分期越高，生存期越差。

image-20200602231652383

结果2.风险因子评估

对风险因子进行评估，这次是只做了PNI组，看对于已经有Perineural invasion (PNI)嗜神经侵袭的病人，其他哪些临床因素亦会增加预后差。下图中圈中的就是高风险因素。

image-20200602232038605

接下来作者对这几个因素与PNI做了相关性分析的作图，其实也没啥大必要，上面的图已经表明了，其中HPV不是高风险因素，也可以看到PNI和HPV 是呈现负相关的。

image-20200602232731339

结果3.WGCNA分析

325个病人无法聚类，被移除，6249个基因被聚类到不同的模块

image-20200602233132165

接下来找到和PIN这个性状相关的基因，这点是最重要的，就是根据看感兴趣的性状来看哪个基因模块和这个性状是巨相关的。

image-20200602233323308

下面的图可以用来说明哪些基因，用来凑图吓唬人

image-20200602233413936

上图中的C图中的brown模块基因可以跳出来MM值最大的12个基因

image-20200602233537148

image-20200602233939945

结果4.上面挑到的brown模块中的基因做富集分析

做富集分析的基因是brown模块中的基因

image-20200602233958292

结果5.hub基因在单细胞数据中的验证

上面已经对brown模块中的基因做了富集分析，也获得了相关通路和解释，引用单细胞的数据是为了看这些与PIN相关的brown模块中的基因（2105个基因）到底在HNSCC中的什么细胞类型中存在的最多

image-20200602234503781

image-20200602234717974

如下图展示，下图的A不太容易看清。

A图注如下：

Heatmap showing the correlations between the expression of key module genes and functional state signatures from an analysis of 2,105 single cancer cells in the GSE103322 dataset. MEE5, MEE6, MEE7, MEE10, MEE12, MEE13, MEE16, MEE17, MEE18, MEE20, MEE22, MEE24, MEE25, MEE26, and MEE28 represent cells from different patients. The sources of the cells (primary lesion or metastatic lymph node) are noted.

image-20200602234628344

作者的C图用P值来进一步说明brown模块和几个functional state signatures的关系，但是这个柱形图的基线的上下是什么不太清楚。

image-20200602234810313

结果6.brwon模块中的基因分布在单细胞的哪些cell types

To explore the genes in the brown module, which was significantly associated with PNI, we analyzed the distribution of the genes in the GSE103322 dataset, which contains the expression profiles of 5,902 single cells.

image-20200602235459047

主要分布在几种cell types，有fibroblasts、endothelial cells，用热图展示一下整体

image-20200602235642704

接下来每个基因在各种cell types中的表达量分别展示一下，主要在endothelial cells和macrophages中较多存在

image-20200602235854365

image-20200602235902654