扫码联系客服
大家好，今天给大家带来一篇肺癌亚型研究的文章，能不能给大家带来一些思路和创新点呢？这是一篇十一月发表在《Cancer Cell》上的文章，可见现在癌症亚型研究多么的热门了，那么如何再一些癌症已有成熟的分子分型之后再次引入我们自己研究的分子分型呢？这篇文章将通过干湿结合的方法为研究人员带来思路。
小细胞肺癌(SCLC)是一种侵袭性恶性肿瘤，包括ASCL1、NEUROD1和POU2F3的差异表达所定义的亚型(分别为SCLC-A、-N和-P)。为了确定不同亚型肿瘤及其相关微环境的异质性，研究人员对21个人类标本中的155098个转录组进行了测序，其中包括54523个SCLC转录组。研究人员观察到SCLC比肺腺癌更丰富的肿瘤多样性，由典型亚型、中间亚型和混合亚型驱动。研究人员发现了一种plcg2高的SCLC表型，具有茎样、前转移特征，在各个亚型中复发，并预测总体生存率较差。与肺腺癌相比，SCLC表现出更大的免疫隔离和更少的免疫浸润，而SCLC-N比SCLC-A表现出更少的免疫浸润和更大的T细胞功能障碍。研究人员在SCLC肿瘤中发现了一个促纤维化、免疫抑制的单核细胞/巨噬细胞群体，该群体与复发性、plcg2高亚群特别相关。
大多数小细胞肺癌(SCLC)肿瘤共享一个小PLCG2-high分组人口。
这种PLCG2高的SCLC亚群与转移和不良预后有关。
SCLC亚群在促纤维化和免疫抑制的单核细胞/巨噬细胞中富集。
髓样细胞的存在与PLCG2高的SCLC亚群有关。
根据关键转录调控因子的表达水平，可将小细胞肺癌可分为四种分子亚型：SCLC-A型（ASCL1高表达），SCLC-N型（NeuroD1高表达），SCLC-Y型（YAP1高表达）和SCLC-P型（POU2F3高表达），其中SCLC-A型和SCLC-N型属于神经内分泌肿瘤，见图1。
研究人员分析了来自21个新鲜SCLC临床样本的155,098个细胞的转录组(图S1A;)，以及24个LUAD和4个癌旁正常肺样本作为对照(图1A和S1B)。SCLC和LUAD队列包括治疗和未治疗的患者(图1B)。将所有scRNA-seq数据合并、归一化、批量校正和聚类以识别粗细胞类型，包括上皮细胞、间充质细胞、淋巴细胞和髓系细胞(图1A、S1B和S1C)。发现进一步聚类在上皮腔内的细胞包括呼吸上皮细胞(包括肺泡上皮细胞1型和2型、纤毛细胞、神经内分泌细胞和簇状细胞)和肝转移细胞。
14例SCLC样本的间充质干细胞靶向测序显示RB1和TP53频繁突变或缺失，CREBBP和KMT2B反复发生突变(图S1D和S1E)。这一信息有助于鉴别含有特征变异转录本的癌细胞。研究人员检测到SCLC中CNV水平高于LUAD(图S1F)，这与先前验证的SCLC中较高的肿瘤突变负担一致。基于对细胞来源类型的研究，研究人员认为神经内分泌和肺泡上皮2型样癌细胞簇分别代表SCLC和LUAD。根据细胞类型标注，研究人员在图谱中描述了肿瘤的异质性。在38个上皮细胞簇中(N = 64301个细胞)，研究人员发现LUAD和SCLC如预期的那样分别聚集;5个LUAD簇包含24个肿瘤的7635个细胞，25个SCLC簇包含21个肿瘤的55815个细胞，与LUAD的高基质含量一致。为了量化SCLC患者间的异质性，研究人员计算了每个聚类患者的Shannon entropy。低Shannon entropy意味着群集表型很少在患者之间共享，即患者间异质性高。恶性SCLC细胞显示出明显高于LUAD细胞的患者间异质性(更低的Shannon entropy)(图1D)，即使只分析未治疗的样本(图1E)。研究人员观察到基质细胞和免疫细胞群体的表型多样性较低，这与样本间的批效应最小一致，肿瘤细胞与基质相比的多样性较高，这与之前的研究一致。研究人员的研究结果表明，尽管SCLC的组织学形态同质，但它具有高度的转录肿瘤异质性，超过LUAD和正常间质。
接下来，研究人员考虑了数据集中的54,523个SCLC细胞，并在典型SCLC亚型中描述了细胞状态。SCLC亚型通常通过ASCL1、NEUROD1、POU2F3和YAP1的表达进行分类，但考虑到基因缺失的普遍存在，单基因策略对scRNA-seq是不可靠的。于是，研究人员开始质疑YAP1单独作为亚型标志物的价值。因此，研究人员使用了基于邻域图的方法，该方法利用多个基因来定义每个亚型的全部复杂性，来计算每个细胞给定SCLC亚型的概率(图1F)。研究人员确定最可能的子类型的每一个细胞(图1G)和使用这个分类每个样本的主要SCLC-A(N=14),SCLC-N(N=6),或SCLC-P(N=1)。但是这个分类没有识别出任何SCLC-Y肿瘤,符合YAP1在SCLC表达量最小。这一观察得到了典型转录因子的相对表达(图1H)、相应的MYC家族成员(图S1G)、以及匹配的免疫组化(IHC)(图S1H)的支持。与单基因表达或IHC不同，研究人员的策略可以对ASCL1和NEUROD1均高表达的病例(如Ru1231，分类为SCLC-N)和两者均低表达的病例(如Ru1293，由于NEUROD2和NEUROD4的表达而分类为SCLC-N)进行分类。研究人员还鉴定了SCLC-A至SCLC-N表达谱的中间癌细胞，这些细胞可以提示过渡性或非典型表型，以及混合亚型和带有野生型TP53/RB1的非典型SCLC表型的肿瘤(图S2A和S2B)。
为了更好地定义SCLC亚型在肿瘤进展中的作用，研究人员评估了不同亚型的细胞组成和基因表达差异(图S2C)。研究人员关注SCLC-A和-N亚型，因为研究人员的队列只包括一个SCLC-P病例。与小鼠模型一致，SCLC-A在原发肿瘤中明显过多富集，而SCLC-N在淋巴结和远处转移瘤中富集(图S2D)。研究人员还观察到SCLC-N 肿瘤比SCLC-A患者具有更大的患者间多样性(图1D)。这些发现与临床前模型一致，表明SCLC-N可以通过离散进化从SCLC-A衍生出来。
研究人员进行了差异表达和途径分析，以确定亚型特异性基因程序(图2A和S2E;表S3 S8)。发现SCLC- a在调节细胞周期进程和DNA修复的基因表达中富集，以及参与SCLC细胞周期调控的EZH2靶基因(图S2E)。相比之下，SCLC-N肿瘤表现出一种前转移模式的基因表达，包括过表达的标志物(1)上皮-间充质转化(EMT)，(2)转化生长因子b ，(3)骨形态发生蛋白(BMP)信号，(4)信号传感器和转录激活器，(5)肿瘤坏死因子α促进核因子kB信号(图2A, 2B和S2E)。
SCLC-N还富集于神经元分化和神经肽信号，包括ephrin和信号素，参与轴突源性信号传导的基因家族(图2A和2B)。此前的研究表明，轴突发生程序协调神经元迁移，并与SCLC转移有关，而ephrin和semaphorin通路成分是NEUROD1的靶标或NEUROD1高表型的调节因子。
研究人员进一步评估了亚型内差异表达的配体-受体对(图2C)，并观察到SCLC-N与SCLC-A相比，在癌细胞之间潜在的同型相互作用中显著富集。虽然在这样的分析中，人们不能确定任何一个假设的配体-受体相互作用，但亚型之间相互作用数量的差异是惊人的，可能反映了亚型之间相互作用的差异。这种富集与SCLC-A细胞株的典型生长方式是松散的浮动聚集物和SCLC-N细胞株生长方式是一致的。
SCLC的转录组多样性与患者一致的不良预后形成对比。研究人员分析了多个患者的表型，以确定是否有共享的细胞类型可以解释SCLC的普遍侵袭性。SCLC恶性细胞的无监督聚类分析确定了25个集群。大多数簇状图对单个肿瘤都是特异性的，但22簇状图在样本中显著地反复出现(图3A-3C和S3A)，涵盖了一系列治疗病史、组织部位和主要亚型(图 3D)。簇22由166个细胞组成，21个肿瘤中有9个至少占簇的3%。研究人员证实复发簇中的细胞比正常上皮细胞有更大的CNV负担，与恶性表型一致(图S3B)。
复发集群的细胞在亚型分配中明显高于其他集群的细胞，并且提示为去分化表型(图3A)。这些细胞富含与转移细胞和神经干细胞相关的基因和基因程序(图3E和3F)。在Cancer cell Line Encyclopedia数据库中SCLC-A和SCLC-N细胞株的微阵列数据(N = 54)中，研究人员证实复发性群集的基因特征与许多与转移、趋化和干性相关的相同通路显著正相关(图S3C)。
在聚类22中，磷脂酶C gamma 2 (PLCG2)是最高差异上调基因(图3F和S3D)。PLCG2此前被认为与阿尔兹海默病有关及其类似物PLCG1促进转移。研究人员使用了knnDREMI，它非常适合处理数据稀疏性和罕见细胞种群，来探索与PLCG2共变的全基因程序。研究人员将knnDREMI的结果分为三个基因模块，分别对应于PLCG2低表达(模块1)、中表达(模块2)和高表达(模块3)(图S3E)。模块3中的候选基因包括FGFR1(通过频繁扩增与SCLC有关)和MTRNR2L8和MTRNR2L12(显示了人蛋白家族基因)抑制细胞凋亡，在阿尔茨海默病中具有神经保护作用，促进三阴性乳腺癌(TNBC)中的肿瘤进展。在与模块3相关的前5%的通路中，是那些与干细胞特性(包括OCT4和SOX2靶点)、转移性基因标记和前转移性信号通路(包括Wnt和BMP信号)相关的通路(图S3E和S3F)。
在复发性SCLC群集中的多个卵形表达基因中(图3F)，研究人员开始研究PLCG2作为进展的潜在驱动因素的作用。与复发集群的转移前表型相一致，与肺相比，PLCG2在转移部位显著上调，在SCLC转移最常见的部位肝脏中水平最高(图3G)。这些观察结果促使研究人员通过在PLCG2表达相对较低的SCLC细胞株，并通过敲除PLCG2高的SCLC细胞系。外源性PLCG2过表达不影响增殖(数据未显示)，但增加了锚定非依赖性生长(图S3G)。此外，PLCG2表达与体外更高的迁移和侵袭相关(图4A)，并与心内注射后更高的体内转移潜能相关(图4B和4C)，这与复发集群的转移前表达谱一致。Western blot分析验证了单细胞数据中观察到的关键表型，包括(1)b-catenin表达增加，表明Wnt信号通路更高，这在Wnt报告基因检测中得到了证实(图S3H);(2) SMAD1/5磷酸化水平升高，与BMP信号通路升高一致;(3) EMT/转移标志物表达增加；(4)茎干相关标志物水平升高(图4D)。这些结果表明，PLCG2可能部分驱动复发簇中的茎样、前转移表型。
为了确定PLCG2表达的临床意义，研究人员在组织微阵列(TMA)上进行了MIBI成像，代表了一个独立队列的SCLC肿瘤标本(N = 37)。研究人员优化了细胞类型特异性抗体，结合细胞核密度估计来识别SCLC、免疫和基质细胞类型(图S4A)，这与病理学家对邻近TMA切片的免疫组化检查(数据未显示)一致。使用单克隆PLCG2抗体，研究人员鉴定了一个患者肿瘤的子集，该肿瘤的肿瘤细胞表达PLCG2的比例很高，如患者MIBI 1所示(图4E和4F)。只考虑曾经广泛分期的肿瘤(无论是在最初诊断时还是复发时;N = 27个通过质量控制)，研究人员发现表达PLCG2的癌细胞的存在与总生存率呈负相关(图 4G)。
Kaplan-Meier分析显示，PLCG2高表达的肿瘤患者的总生存期较差(7%的SCLC细胞具有高PLCG2强度;图4 H)。经调整的Cox比例风险模型证实总生存期降低，并进一步表明，PLCG2高阳性比治疗史、转移性疾病存在或SCLC亚型更能预测预后差(图S4B)。同样的模型，使用PLCG2阳性SCLC细胞的比例作为连续协变量而不是二分协变量，也具有显著的预测性，表明该分析不依赖于选择PLCG2阳性SCLC细胞的阈值。
PLCG2过表达只是复发性群集表型的一个特征。研究人员还评估了该亚人群的患病率是否具有预后意义，并发现复发群集细胞的部分代表(每个肿瘤中所有癌细胞的对数部分)与总生存率呈负相关(图4)。该亚群占总癌细胞的0.75%的患者与其他患者相比，总生存率显著降低(图 4J)。经调整的Cox比例风险模型证实，在MIBI分析中，与PLCG2阳性相比，总体生存率更低，风险比更大;PLCG2阳性是一个强有力的预测因子(图S4C)。研究人员使用复发性聚类分数作为连续协变量重复了这个分析，并证实了显著差的生存率。综上所述，这些数据支持一个小型茎样、高PLCG2表达的前转移亚群对SCLC各亚型有显著的预后影响。
SCLC被认为是一种特别的免疫冷性癌症，而在标准化疗中添加免疫检查点封锁只略微提高了中位生存期。然而，最近的研究结果表明，免疫原性中存在一些亚型依赖的异质性，包括非炎症SCLC亚型。了解亚型在形成免疫环境中的作用将是制定有效干预措施的关键。
研究人员的目的是评估SCLC亚型对免疫微环境的影响。研究人员的scRNA-seq数据集不能用于评估总免疫细胞丰度，因为研究人员富集了非免疫细胞(CD45)。相反，研究人员分析了来自该队列的流式细胞术数据，以及一个独立的SCLC队列(N = 11)。针对SCLC-A和SCLC-N，研究人员证实CD45+细胞比LUAD更少，并发现SCLC-N-和neurod1阳性肿瘤进一步减少(图S4D和S4E)，这与之前的bulk RNA-seq数据一致，表明neurod1阳性肿瘤表达较低水平的免疫相关基因。
接下来，研究人员试图通过MIBI对一个独立队列进行NEUROD1染色，来描述免疫微环境的空间结构(N = 33)。根据先前对免疫热肿瘤的定义，在800 - 3 - 800毫米视场(FoV)中含有250个免疫细胞，研究人员发现该队列中大多数SCLC肿瘤(33例中有20例)是免疫冷肿瘤。此外，明显更多的NEUROD1+ SCLC肿瘤是免疫冷(图5A、5B和S4F)。为了解释可能的混杂因素，研究人员将免疫浸润(热vs冷)建模为logistic回归模型，纳入临床协变量，包括NEUROD1阳性、组织学(单一vs混合腺癌)、治疗(已治疗vs未治疗)和位置(原发vs转移)。回归模型发现，肿瘤位置分离了免疫浸润的预测，所有5个转移性肿瘤和28个原发性肿瘤中的15个代表免疫冷性肿瘤。在调整了包括肿瘤位置在内的所有临床协变量后，只有NEUROD1阳性是免疫冷状态的显著预测因子(图S4G)。
为了进一步了解SCLC中免疫相互作用的程度，研究人员量化了免疫热肿瘤(250个免疫细胞/FoV)中免疫细胞和肿瘤细胞的区隔化程度。将免疫-肿瘤混合评分定义为免疫-癌症细胞相互作用与免疫-基质细胞相互作用的比例(将基质定义为所有非癌症细胞)，其中比例越大，混合程度越高。为了对这个度量进行基准测试，研究人员利用了已发布的TNBC数据集，因为LUAD中没有MIBI比较器可用。发现免疫热性SCLC肿瘤(N = 13)中免疫-肿瘤混合评分的分布显著低于免疫热性TNBC肿瘤(N = 34) (图5A、5C和S4F)。总之，研究人员发现:(1)SCLC特别是SCLC-N亚型的免疫浸润降低，(2)含有更多免疫细胞的SCLC病例的免疫隔离。
接下来，研究人员想在单细胞水平上评估SCLC TME免疫亚群的差异。为此，研究人员使用来自LUAD (N = 45,535个细胞)和正常相邻肺(N = 10,934个细胞)的免疫细胞作为参考，汇集了研究人员队列中21个SCLC样本(N = 16,475个细胞)的免疫细胞(图S5A)。研究人员分别分析了骨髓细胞和T细胞室，以便于细胞类型注释(图5D, S5A, S6C,S6F, S7C;)。研究人员的队列在治疗史方面很平衡(7例未经治疗，6例接受化疗，8例接受化疗和免疫治疗)(图S1A)。为了评估SCLC亚型如何影响T细胞表型，研究人员应用了非负矩阵因子分解，它擅长于不确定聚类边界的连续表型设置，并识别了30个有助于细胞类型注释的因子(图S6A和S6B)。在这些因子中，有7个与T细胞表型相对应:CD4+调节性、CD4+常规性、CD8+竭性、CD8+记忆性、CD8+效应器和CD8+ gamma delta T细胞(图S6C)。一种并行的基于聚类的表型方法证实了离散T细胞表型的注释(图S6D S6F;星方法)。为了评估T细胞表型是否因亚型而丰富，研究人员比较了SCLC-A和SCLC-N之间的因子负荷，同时调整了治疗和组织。与SCLC-A相比，SCLC-N表现出显著升高的Treg因子4和CD8+衰竭因子7，以及显著降低的CD8+效应样因子28和Tgd因子29(图S6G)。在多种情况下，CD8+效应细胞与Treg细胞的低比值与癌症患者的不良预后相关。在SCLC-N中，CD8+效应体与Treg因子负荷的比值显著低于SCLC-A (图5E)，并且对多个因素具有鲁棒性(图S6H)。这种免疫抑制的测量与平行的基于集群的CD8+效应器/Treg比值一致(图S6I)。研究人员试图通过对独立SCLC队列(N = 35例通过质量控制)的成像来验证这些发现。考虑到SCLC中相对较低的T细胞代表性(MIBI- tof估计，样本中平均1.7%的细胞SD为4.2%)，研究人员选择使用Vectra而不是MIBI成像来评估T细胞丰度，因为Vectra(1)有大得多的FoV，(2)对FOXP3染色更敏感，(3)获得更多通过质量控制的未经治疗的肿瘤。作为SCLC亚型的代理，研究人员根据免疫组化中NEUROD1的阳性来划分样本，因为在这个队列中几乎没有任何ascl1样本。研究人员发现，在NEUROD1+样本中，CD8+ T细胞与treg细胞的比例同样降低(图5F和5G)。研究人员的发现确定了SCLC-A和SCLC-N T细胞群体的组成差异，包括细胞毒性T细胞的相对消耗和SCLC-N中treg细胞的增加。
为了检测髓系间室，研究人员在scna -seq数据集(N = 2,951个细胞)中重新聚集了SCLC样本的细胞，导致7个单核细胞/巨噬细胞(Mono/M4)， 4个中性粒细胞和2个树突状簇(图6A;图S7A和S7B，绘制了SCLC、LUAD和正常肺髓系数据集)。SCLC髓系簇1、7、9和12代表THBS1+ VCAN+ Mono/M4细胞过表达细胞外基质(ECM)相关基因的一个子集，包括VCAN、FCN1、S100A4、S100A6、S100A8和S100A9(图6A和S7C)。这种表型类似于小鼠单核细胞骨髓源性抑制细胞(MDSCs)和人肝癌中MDSCs样m4表达THBS1+ S100蛋白。
考虑到1、7、9和12簇属于已知分泌ecm相关蛋白的Mono/M4子集，研究人员将其与特发性肺纤维化(IPF)中的髓系人群进行了比较。簇1和簇7与之前定义的IPF相关的巨噬细胞群体非常相似(图6B)。聚类1在IPF内的前纤维化巨噬细胞标记得分最高，聚类7在IPF内的单核细胞标记得分最高(图6C和6D)。
SCLC的无监督聚类的合并粒细胞,和正常的肺确定单个集群(结合集群6),它是由Mono / M4 SCLC集群1和7 (N = 514细胞从14 SCLC样本)和从LUAD样本(N = 467细胞6 LUAD样品),但没有来自正常肺(图S7A和S7B)。研究人员发现在原发和转移性SCLC样本中，所有Mono/M4细胞中联合簇6细胞的比例明显高于原发LUAD，而这些细胞在正常肺和转移性LUAD中未被检测到(图6E)。SCLC中的富集在未经处理的样品中更为显著。与原发SCLC相比，转移性SCLC中合并的簇6细胞也富集，但不显著。
研究人员试图描述SCLC Mono/M4簇1的转录谱，类似于促纤维化ipf相关巨噬细胞。差异分析(图S7D)将聚类1确定为CD14+ CD16+ (FCGR3A) CD81+ ITGAX+ CSF1R+亚群，该亚群分泌参与ECM沉积和重塑的特异性前纤维化、前转移生长因子，包括纤维连接蛋白1 (FN1)， cathepins (CTSB and CTSD)和osteopontin (SPP1)。此外，聚类1上调了与免疫抑制相关的基因，包括(1)SPP1，涉及结肠癌和NSCLC中的T细胞抑制和肿瘤免疫逃避;(2) CD74，涉及转移性黑色素瘤的免疫抑制和迁移抑制因子诱导的肺部炎症;(3) VSIG4，涉及巨噬细胞抑制。总的来说，这些发现表明，聚类1是一个具有促纤维化和免疫抑制Mono/M4表型的亚群，在SCLC中选择性增加。需要进一步的功能分析来评估该人群是否有助于SCLC的肿瘤发生或转移。
复发性plcg2高SCLC人群与促纤维化、免疫抑制的Mono/M4亚群和CD8+ T细胞衰竭有关
研究人员假设，促纤维化、免疫抑制的Mono/M4细胞亚群可能与特定的肿瘤亚群相互作用，促进肿瘤进展。我们发现SCLC-A与Mono/M4簇2和12显著相关，而SCLC-N与簇1和9显著相关(图7)。我们询问这些髓系簇是否与SCLC-N相关的癌症表型相关，并发现与ipf相关的Mono/M4(图6C)最相似的簇1、7和9与SCLC细胞中的EMT显著相关(图7A)。除了典型SCLC亚型，我们检测了与复发性plcg2高SCLC亚群的相关性，并发现与Mono/M4 1和7簇显著相关(图7A)。另外，我们发现Mono/M4聚类1在具有复发SCLC聚类的样本中富集，并且这种富集对抽样具有鲁棒性(图S7E和S7F)。我们还证实，在独立的bulk RNA-seq数据集中，促纤维化的Mono/M4群体与PLCG2和EMT基因签名显著相关(N = 81;图S7G)。
研究人员还评估了SCLC表型是否与非髓系免疫亚群相关。值得注意的是，PLCG2-高亚群是SCLC表型中唯一与耗尽的CD8+ T细胞显著相关的(图7B)。在发表的大量RNA-seq数据集中，我们证实CD8+ T细胞衰竭与促纤维化的Mono/M4和PLCG2之间存在显著相关性(N = 81;图S7G)。
最后，研究人员利用MIBI-TOF在一个独立的SCLC肿瘤队列中验证PLCG2阳性SCLC细胞与促纤维化Mono/M4细胞群的相关性(N = 37)。使用CD14、CD16和CD81标记物特异性结合，将推测为纤维化的Mono/M4细胞与其他髓系细胞区分开来，发现在一些患者中，PLCG2阳性的SCLC细胞与这一人群共存。例如，在MIBI 12患者中，发现一个带有PLCG2阳性的NEUROD1+ SCLC细胞亚群与促纤维化Mono/M4细胞群相邻(图7C和7D)。在MIBI 3患者中，发现了类似的NEUROD1+ SCLC细胞与PLCG2阳性和促纤维化Mono/M4的联系(图S7H和S7I)。MIBI-TOF队列,我们发现髓细胞CD14 + CD16 +研究+的分数更好的分数与PLCG2 + SCLC比所有其他肿瘤细胞和免疫细胞类型和状态(图7E和7F)。总之，研究结果表明，这种复发性SCLC亚群可能存在于以CD8+ T细胞衰竭为特征的免疫抑制TME和可能与EMT相关的促纤维化、免疫抑制的Mono/M4人群中。
文章小结：
到这里文章就结束了，在小细胞肺癌已有的分子分型前提下，发现了一种PLCG2 高的SCLC表型，可以在各个亚型中复发，预测总体生存率较差，并在SCLC肿瘤中发现了一个促纤维化、免疫抑制的单核细胞/巨噬细胞群体，虽然这些结果证明了PLCG2作为单一预后标志物的效用，在scRNA-seq数据中追踪PLCG2高复发亚群的风险比单独PLCG2表达更大，这表明额外的因素决定了复发群集的全部表型。尽管复发性PLCG2高的SCLC群集构成了所研究肿瘤的恶性细胞的一小部分，但这个小的亚群与生存有很强的相关性，说明了其预后的重要性和单细胞分析的价值。从本研究中得出的结果中，一系列亚型和PLCG2高复发人群参与了不同的基因程序来定义明显的异质性，并促进免疫抑制严重的TME的转移。对设计新的靶向治疗和免疫治疗方法具有潜在的意义。
