Identifying the specifically expressed lncRNAs in the Tumor Microenvironment

技术摘要：识别肿瘤微环境中特异性表达的 lncRNA

问题陈述
了解肿瘤微环境（TME）中免疫细胞的功能异质性对于推进免疫疗法至关重要。具体而言，T 细胞（尤其是 CD8+ 细胞群）表现出多样化的状态（例如：幼稚态、效应态、记忆态、耗竭态），并具有独特的转录程序。虽然长链非编码 RNA（lncRNA）已知是免疫反应的重要调节因子，但在肿瘤浸润免疫细胞中的 lncRNA 图谱仍有待大量探索。在利用单细胞 RNA 测序（scRNA-seq）数据识别亚型特异性 lncRNA 时，一个主要的挑战是数据的极高稀疏性和许多 lncRNA 转录本的低丰度。传统的差异表达（DE）分析通常依赖于表达量的大小和统计效能，这可能会忽略那些尽管表达量较低但仍具有强亚型特异性的转录本。此外，现有的特异性指标（如 $\tau$ 指数）可能无法捕捉到那些绝对表达量较弱但具有统计学意义的信息信号。

方法论：SDSGI 框架
为了解决这些局限性，作者开发了 SDSGI（惊喜驱动的亚型特异性基因识别，Surprise-Driven Subtype-Specific Gene Identification）计算框架，旨在从 scRNA-seq 数据中识别亚型特异性基因和 lncRNA。该方法整合了两种互补的评分策略：

1. 基于表达的特异性评分 ($\tau$)： 借鉴自经典的组织特异性指数，该评分量化了基因在不同免疫细胞亚型中的表达选择性。它使用归一化后的表达水平（通过计算非零值的平均值来处理稀疏性）来为集中在某一或少数几种亚型中的基因分配较高的分数。
2. 基于惊喜信息（Surprise-Information）的评分： 该统计评分能够捕捉在绝对强度上较弱但具有统计显著性的亚型富集信号。它采用 Wilcoxon 秩和检验来比较特定基因在某一亚型中的表达情况与在所有其他亚型中的表达情况。所得出的 p 值被转化为惊喜信息度量值（$S = -\log(\tilde{p})$），其中符号指示富集的方向。这种方法对于检测传统 DE 分析可能会错过的低丰度转录本特别有效。

最终的亚型特异性基因集由两种评分方法识别出的候选基因的并集定义。该框架被应用于涵盖 11 种癌症类型和 17 种 T 细胞亚型的泛癌数据集（GSE156728）。下游分析包括基因本体（GO）和 Reactome 通路富集分析、轨迹推断（使用 PAGA 和拟时间分析），以及构建亚型特异性共表达网络，以通过“功能关联”（guilt-by-association）原则推断 lncRNA 的功能。

关键结果

• 识别亚型特异性基因： SDSGI 成功识别了多种癌症类型中数以千计的亚型特异性基因。值得注意的是，它检测到了大量可能被标准 DE 分析遗漏的 lncRNA。具体的计数包括：
  • 乳腺癌 (BC)：6,899 个基因 (497 个 lncRNA)
  • B 细胞淋巴瘤 (BCL)：5,035 个基因 (361 个 lncRNA)
  • 食管癌 (ESCA)：11,092 个基因 (944 个 lncRNA)
• 增强的敏感性： 视觉验证表明，SDSGI 保留了具有清晰亚型偏好模式的低丰度基因，而传统的 DE 分析往往会将它们过滤掉。
• 乳腺癌中的功能见解：
  • 耗竭 T 细胞 (Tex)： 对三种耗竭亚型（CD8.c11.Tex.PDCD1、CD8.c12.Tex.CXCL13 和 CD8.c14.Tex.TCF7）的分析揭示了不同的功能程序。CD8.c11 富集于 PD-1 信号传导和干扰素-$\gamma$ 通路；CD8.c12 在适应性免疫和神经营养因子信号传导方面表现出富集；而 CD8.c14 则在翻译调节和应激反应通路方面表现出富集。
  • 轨迹分析： 拟时间分析表明了一个从静息状态 (c14) 经过中间激活/调节状态 (c12)，最后到达终末耗竭状态 (c11) 的发育轨迹。
  • 共表达网络： 构建的亚型特异性网络识别了 105 个与功能模块相关的 lncRNA。其中若干个 lncRNA（包括 IFNG-AS1、MMP25-AS1、LINC00152 和 MIR22HG）在关于癌症进展和免疫调节作用的独立文献中得到了支持。

意义与主张
本文声称 SDSGI 为发现肿瘤免疫微环境中亚型特异性 lncRNA 提供了一个有用且稳健的框架。通过结合表达特异性和统计惊喜信息，该方法克服了 scRNA-seq 数据固有的稀疏性和低丰度限制。作者断言，其方法能够检测到那些经常被传统方法忽视的、具有生物学意义的调节分子。

研究强调，所识别的 lncRNA 并非仅仅是统计学上的伪影，而是与免疫调节、亚型特异性功能模块以及癌症预后相关。作者得出结论，这种计算策略有助于优先筛选候选 lncRNA，以便进一步研究免疫细胞异质性和癌症中的 lncRNA 介导的调节，尽管他们明确指出，这些候选者需要通过实验验证来确认其机制作用。该框架被认为可以推广到其他免疫细胞群体及非肿瘤性炎症状况。