爱了 | 这篇单细胞多组学文章，全部代码，以及16G处理后的数据，都分享了，非常好复现，照着做就行

科研不掉发快来这个地表最强的生信神仙网站中国银河生信云平台 立即访问https://usegalaxy.cn在多数实体瘤里Treg 细胞常被看作帮助肿瘤逃避免疫监视的角色。但在结直肠癌中Treg 浸润有时反而和更好的临床结局相关。这背后究竟是同一种细胞在不同环境下“变脸”还是本来就存在功能不同的 Treg 亚群2026 年 1 月 13 日这篇工作发表于Immunity由 Memorial Sloan Kettering Cancer Center 等团队完成。研究者结合小鼠 MSS 结直肠癌模型与人 CRC 样本发现肿瘤内 IL-10 Treg 和 IL-10− Treg 并非同向作用而是分别限制和促进肿瘤进展。今天我们就来拆解一下这篇生信文章Opposing functions of distinct regulatory T cell subsets in colorectal cancer。研究概述这项研究聚焦一个长期存在的矛盾现象多数癌种里 Treg 富集常提示差预后但结直肠癌尤其是 MSS CRC 并不完全符合这一规律。作者提出问题可能不在于 Treg 多或少而在于肿瘤里到底是哪一类 Treg 占优势。为此研究团队在小鼠 AKP 正位结肠癌模型和人 CRC 手术样本中对肿瘤浸润 T 细胞进行了单细胞转录组和染色质开放性分析。结果显示肿瘤中存在两类可区分的 Treg 亚群一类表达 IL10、RORC另一类表达 IKZF2 等程序。前者主要抑制促肿瘤的 IL-17 反应后者则更偏向压制抗肿瘤免疫二者共同解释了 CRC 中 Treg 作用的双面性。实验设计研究首先采用带有Apc、Trp53缺失和KrasG12D激活的 AKP 类器官建立小鼠盲肠壁正位移植的 MSS CRC 模型并与 MC38 模型比较其免疫微环境和对 PD-1 阻断的反应。随后作者对肿瘤与邻近正常结肠组织中的 T 细胞实施配对单细胞 RNA/ATAC 多组学测序并在 2、4、6 周多个时间点开展 scRNA-seq 动态追踪。针对功能验证研究使用遗传学策略分别清除 IL-10 Treg 或 IL-10− Treg并结合 IL-10Rα 阻断、IL-17RA 缺失类器官、体外细胞因子刺激、肝转移模型以及人 CRC 多组学和空间转录组数据进行交叉验证。临床层面作者还对 102 例 CRC bulk RNA-seq 队列进行去卷积并分析不同 Treg 亚群与生存结局的关系。研究结果图 1AKP 正位类器官模型在组织学、免疫浸润特征和抗 PD-1 不敏感性方面更接近人类 MSS 结直肠癌。图 2小鼠肿瘤与邻近结肠的单细胞 RNA/ATAC 分析显示Treg 可分为 IL-10 与 IL-10− 两群其中 IL-10− Treg 在肿瘤中逐渐富集。图 3两类 Treg 具有不同的转录和染色质调控程序IL-10 Treg 偏向Il10、Maf、Zeb2等模块IL-10− Treg 偏向Ikzf2、Il1rl1、Gata3等模块。图 4选择性去除 IL-10 Treg 会使肿瘤增大而去除 IL-10− Treg 则导致明显肿瘤回缩说明两类 Treg 对 CRC 生长的作用方向相反。图 5IL-10 Treg 主要通过限制 CD4 T 细胞产生 IL-17 来抑制肿瘤而 IL-10− Treg 更倾向于压制 CD8 和 Th2 相关抗肿瘤反应IL-17 还能直接促进肿瘤类器官生长。图 6在人 CRC 中同样可以识别 IL-10 与 IL-10− 两类 Treg前者富集于邻近正常组织、关联更好生存后者富集于肿瘤区域、关联更差生存。图 7在肝转移灶中Treg 构成进一步偏向 IL-10− 亚群整体去除 Treg 可降低转移负荷提示不同部位的 Treg 组成会影响其净效应。数据分析生信分析1. 单细胞转录组文中对小鼠原发瘤、邻近正常结肠、不同时间点样本以及肝转移相关样本进行了 scRNA-seq 分析也对人 CRC 肿瘤与邻近正常组织 T 细胞进行了单细胞转录组分析。原始 FASTQ 先用Cell Ranger比对和计数再按不同数据集设置线粒体比例、检测基因数、UMI 数等质控阈值。之后使用 PCA、UMAP 和 Leiden 聚类进行降维与聚类并通过迭代子聚类进一步细分 T 细胞状态。在表达层面作者据此识别出小鼠肿瘤中的 Th1、Th17、Tfh、记忆 T 细胞、IL-10 Treg、IL-10− Treg 等群体并做时间序列变化分析。针对 IL-10 Treg 清除后的 CD4 T 细胞变化还进行了 pseudo-bulk RNA-seq 差异表达分析。肝转移部分则比较了原发灶、引流淋巴结和肝转移灶中的 T 细胞构成。2. 单细胞染色质开放性组研究在小鼠和人 CRC T 细胞中实施了配对的 scATAC-seq 分析。ATAC 数据按片段数和 TSS enrichment 进行过滤小鼠常用阈值包括至少 180 个 fragments 和 TSS enrichment 至少 3人样本则至少 1,000 个 fragments 和 TSS enrichment 至少 4。在分析上作者对 scATAC 数据进行 tile-level 降维小鼠使用 iterative LSI人样本先做批次校正后再生成潜在空间嵌入。随后利用chromVAR评估不同 T 细胞群和 Treg 亚群的转录因子 motif 富集情况发现 IL-10 Treg 更偏向 RORC 相关程序而 IL-10− Treg 更偏向 GATA、NR4A 等程序。3. 多组学联合分析这篇文章的核心分析框架是配对单细胞 RNA/ATAC 多组学。作者将同一样本的 RNA 与 ATAC 信息联用在同一细胞尺度上同时定义细胞身份和调控状态并把 RNA 侧的细胞标签转移到 ATAC 侧做开放染色质解释。在调控元件推断方面研究使用SCARlink对小鼠 CD4 T 细胞多组学数据进行分析在 4,315 个高变基因范围内预测基因相关增强子并用 z-score 和 FDR 过滤候选增强子。该分析表明Il10与Ikzf2等关键位点在两类 Treg 中具有不同的增强子连接模式支持其为稳定而非短暂的转录状态。4. 基因模块与空间转录组作者用Hotspot在小鼠和人 Treg 数据中分别识别基因共表达模块构建 IL-10 Treg 和 IL-10− Treg 的 signature并用scanpy的score_genes()进行模块打分。这些 signature 随后被用于跨物种比较验证人鼠 Treg 亚群的一致性。在人样本层面文章还结合 10x Genomics 的 single-cell Flex 与 Visium HD 数据进行空间分析。Flex 数据先做常规 QC、归一化、PCA 和 Leiden 聚类Visium HD 则在 8 μm 分辨率下分析并用TACCO结合匹配的 Flex 样本做标签转移从而推断 IL-10 Treg 在邻近正常组织更丰富而 IL-10− Treg 更集中在肿瘤区域。5. 去卷积与生存分析为了评估临床意义作者使用来自 102 例手术样本的 bulk RNA-seq 数据结合 10x Genomics CRC 单细胞参考图谱通过BayesPrism估计两类 Treg 的相对丰度。随后按高低丰度分组绘制 Kaplan-Meier 生存曲线。此外肝转移与原发灶之间的细胞邻域丰度变化使用Milo完成基于 kNN 图进行 differential neighborhood abundance analysis以比较不同组织部位中免疫细胞群体的富集差异。统计分析文中实验数据主要以均值 ± SEM 展示。流式、肿瘤负荷和部分功能实验根据图注分别使用非配对 t 检验、单因素 ANOVA 或双因素 ANOVA。测序数据分析中基因模块得分比较使用 Wilcoxon rank-sum test差异表达火山图和细胞频率分析采用非配对 t 检验并结合 Benjamini-Hochberg 方法进行多重校正生存分析采用 Kaplan-Meier 检验。部分图注明确标注了具体统计方法如图 5 的多个面板分别使用非配对 t 检验、单因素 ANOVA 和双因素 ANOVA。总结研究意义这篇文章回答了一个很关键的问题为什么结直肠癌中的 Treg 浸润并不总是意味着更差结局。作者给出的解释不是“CRC 中 Treg 例外”而是“CRC 中存在功能相反的 Treg 亚群”。其中IL-10 Treg 通过抑制 Th17/IL-17 轴限制原发肿瘤生长IL-10− Treg 则更符合传统认知主要抑制抗肿瘤免疫并促进肿瘤进展。这个框架把小鼠遗传学、人类单细胞多组学、空间转录组和生存数据串了起来也提示 CRC 免疫治疗未必应该简单地“整体去 Treg”而更可能需要选择性打击促肿瘤的那一支。作者进一步指出CCR8 在 IL-10− Treg 上表达较高因此这类策略或许有机会保留 IL-10 Treg 的保护作用同时解除 IL-10− Treg 对效应免疫的抑制。对于 MSS CRC 这类对现有免疫检查点抑制疗法反应有限的肿瘤这一思路具有明确的转化意义。文章复现原始数据提供情况• GEOGSE290623• 10x Genomics 人 CRC single-cell Flex 与 Visium HD 数据集https://www.10xgenomics.com/platforms/visium/product-family/dataset-human-crc• Pan-cancer CD4 T cell atlashttps://singlecell.mdanderson.org/TCM/代码提供情况•https://github.com/snehamitra/CRC_Treg_manuscript处理后的数据在Zenodo共有16.3GB还是非常有诚意的中国银河生信云平台精品课程中国银河生信云平台UseGalaxy.cn致力于生信平权。海量云端算力、8000生信工具结合AI推动生信进入3.0时代数据分析从本地到云端从手工到 AI。加入交流群免费领取学习资料。左手代码右手云平台。特色生信培训助你丝滑发顶刊单细胞数据分析培训班Python/Galaxy可选不怕学不会转录组数据分析实战Galaxy| 直播回放咨询小助手usegalaxy