皮特网组织解:追踪正常组织残留物和免疫动态
Mattia Dalle Nogare1, Serena Avallone1,2, Luna Picello1
1Department of Biology, University of Padova, Padova, Italy.
Frontiers in endocrinology
|December 15, 2025
概括
这项研究引入了一种使用RNA测序数据分析垂体瘤细胞组成的新方法. 它可以准确地识别瘤样本中的剩余正常垂体细胞,改善对垂体神经内分泌瘤的理解.
科学领域:
- 内分泌学 在内分泌学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 大量RNA测序 (RNA-seq) 推进了垂体神经内分泌瘤 (PitNET) 研究.
- 在PitNETs中与剩余的正常细胞解决细胞异质性是具有挑战性的.
研究的目的:
- 为PitNETs开发和验证一个组织解卷框架.
- 使用大量RNA-seq数据估计细胞组成并描述瘤微环境 (TME).
- 使用单核RNA测序 (snRNA-seq) 的参考数据.
主要方法:
- 基于基准标记 (CIBERSORT,MuSiC) 和基于单细胞 (CIBERSORTx,MuSiC) 的解卷方法.
- 为了验证,使用模拟的,伪的和大量的RNA-seq数据集.
- 将框架应用于GH分泌的PitNET和公共数据集.
主要成果:
- 在CIBERSORTx检测下垂体细胞类型时,显示出高灵敏度 (r > 0.85).
- 在分泌激素的PitNET中,始终检测到剩余的正常组织.
- 与未被污染的瘤相比,受污染的样本呈现出明显的转录基因特征.
结论:
- 基于snRNA-seq的解卷是PitNET细胞组成分析的一个强有力的策略.
- 这种方法可以减轻组织学污染.
- 提高了PitNET下游转录基因分析的可靠性.
