大家好！今天给大家分享的文献是2021年11月发表于《cells》（IF:6.6）上的一篇题为“Single-Cell Transcriptomics Reveals the Expression of Aging- and Senescence-Associated Genes in Distinct Cancer Cell Populations”的纯生信分析文章，所用的数据都是来自于已发表文献中的公共数据。

单细胞转录组学揭示了不同癌细胞群中衰老相关基因的表达

背景

Aging与senescence之间的主要区别在于，aging是细胞随时间退化的过程，而senescence是细胞停止分裂并达到停滞状态的衰老结果。衰老是细胞达到衰老或细胞停滞的渐进过程，是由于受损DNA的积累而发生的。此外，在衰老过程中，细胞经历各种衰老促进机制，如脂质过氧化、蛋白质错误折叠和线粒体损伤 [1]。衰老过程往往伴随着生理功能的下降和多种疾病和癌症的发生。老年人的不同发病率表明，与衰老相关的基因对不同癌症的发展有不同的影响。但目前对于癌症和衰老相关转录变化之间的关系的研究还不是很多。

数据来源和研究思路

1. 数据来源

2. 研究思路

这篇文章主体研究思路可以分为三部分，首先，研究人员通过分析bulk mRNA-seq数据从整体上表征了不同癌症跟衰老的联系，揭示了衰老相关基因在癌症进展中的重要性。其次，通过结合文献调研和数据库整理出ASIG（衰老诱导基因）列表，以研究不同癌症中这些衰老基因的上调情况。以上这两部分的分析都是基于bulk mRNA-seq数据，研究人员在文章第三部分结合五种癌症的scRNA-seq数据对恶性细胞群进行了分析，揭示了表达ASIG的不同癌细胞群的存在，也鉴定了不同癌症中的关键ASIG。

结果

1. 通过bulk mRNA-seq分析癌症中随年龄变化的转录组机制

据统计，癌症的发病率会随时间的变化而变化，而且在老年人群中变化更加显著（A），这意味着随着衰老的进展，机体内的抑癌通路机制作用正在逐渐减弱。本文作者将研究重点放在了癌症与衰老的关系研究。首先对每种癌症中的正常样本和肿瘤样本进行差异分析，并对差异基因进行富集分析，结果与预期相符，富集出了与癌症关键驱动相关的通路（B）。为了证明结果的可靠性，研究人员对每种癌症都分析了两个不同的数据集，由于癌症本身的异质性，这些数据的富集结果也显示出了高度异质性（C）。

2. 不同的癌症中表现出ASIG的异质性表达

ASIG是指衰老/老化诱导基因，是研究人员从17个研究和MSigDB数据集中筛选出的1153个基因。为了探究不同癌症中上调基因中ASIG的情况，研究人员首先在每种癌症中都对两个数据集做差异分析，然后对这两个数据集中所鉴定的上调基因取交集，之后再看ASIG在这两个数据集上调基因中的交集情况（A）。最后发现在HCC中总共有213 个ASIG上调，在LC中有177个上调，在CML中有170 个上调ASIG，CRC中有115 个，而PDAC中仅有63个ASIG。对癌症中上调的ASIG进行富集分析发现，这些基因与细胞周期调节相关（B）。研究结果表明，与健康对照样本相比，不同癌症中都表现出不同程度的ASIG。

3. scRNA-seq分析揭示了表达ASIG的不同癌细胞群的存在

虽然在癌症中证实了各种ASIG的上调，但非恶性细胞（例如免疫调节细胞）的存在可能会影响bulk mRNA-seq的结果，所以研究人员想通过scRNA-seq分离出恶性细胞单独进行分析。通过与正常对照细胞相比较，确定了恶性细胞中前20个上调和下调的 ASIG（图S3）。

前面所描述的都是在五种癌症中的总体分析，接下来研究人员对每一种癌症中的ASIG进行了进一步的分析。对于多发性骨髓瘤，从scRNA-seq数据集中取浆细胞，并根据前面所鉴定的24个上调的ASIG的表达水平加权，利用SWNE可视化关键特征基因对单个细胞的影响（A）。然后进行拟时间分析，由红色到黑色表示了恶性细胞从早期到晚期的命运变化，揭示了早期和两个晚期高度不同的细胞命运（B）。观察在细胞发育过程中显著调节基因的表达模式，发现了在晚期阶段的8个 ASIG（CDKN1B、CDC25B、KDNA3、BAG3、SUN1、AKR1B1、AKT3、OPTN）（图 3C）。这些基因在大多数浆细胞中表达，且在合并分析后发现了一个ASIG高丰度的细胞亚群（D）。

为了检测其他癌症类型是否也显示出恶性细胞中ASIG的富集，研究人员又对其他癌症也进行了相同的分析。在CRC中鉴定出了六个关键基因CDKN1A、MXD1、SLC30A10、ATF3、IL6R）（）。

HCC的bulk mRNA-seq分析揭示了94个ASIG的上调表达，这些基因中有84个在细胞发育过程中发生了显著的表达变化，最后发现其中九个基因（ACADVL、FOXO1、SOCS2、NFKBIA、LCAT、MT1F、UBB、RHOB、ESR1）在晚期显著上调（）。

在肺腺癌中，共鉴定出了七个关键基因（CAV1、PPARG、CXCL2、OASL、JUND、RRAS、APOL3）（）。

通过对PDAC scRNA-seq数据分析，最后鉴定了六个关键基因（IGFBP3、SLC16A3、COL10A1、PKM、S100A11 和 GAPDH）（）。

小结

在本研究中，通过分析bulk mRNA-seq数据揭示了不同癌症之间相似致癌途径和基因的富集情况，但在scRNA-seq数据中却观察到了恶性细胞中诱导的ASIG之间存在明显差异，研究人员推测这可能是由于癌症组织中存在非恶性细胞，会影响bulk mRNA-seq数据的分析结果，这恰恰也说明了bulk mRNA-seq数据的局限性。

总而言之，这是一篇bulk mRNA-seq数据和scRNA-seq相结合的纯生信分析文章，主要关注于癌症与衰老相关基因之间的联系。文章中所用到的数据都是已发表的公共数据，两种类型数据的结合弥补了单一化类型数据的不足，这提示我们也可以借鉴这种思路，结合多种类型的公共数据进行挖掘。

参考文献

1. McHugh D, Gil J. Senescence and aging: Causes, consequences, and therapeutic avenues. J Cell Biol. 2018 Jan 2;217(1):65-77. doi: 10.1083/jcb.201708092. Epub 2017 Nov 7. PMID: 29114066; PMCID: PMC5748990.

2. Saul D, Kosinsky RL. Single-Cell Transcriptomics Reveals the Expression of Aging- and Senescence-Associated Genes in Distinct Cancer Cell Populations. Cells. 2021 Nov 11;10(11):3126. doi: 10.3390/cells10113126. PMID: 34831349; PMCID: PMC8623328.