SCODiA Report by MLBI Lab

단일 세포 유전체 및 미세환경 특성화를 통한 유방암 아형별 복합 병인 분석

유방암은 아형별로 상이한 세포 구성, 유전체 변이, 미세환경 내 세포 간 상호작용 및 유전자 발현 패턴을 보인다. 이 보고서는 단일 세포 RNA 시퀀싱 데이터를 활용하여 ER+, HER2+, 삼중음성유방암(TNBC) 아형과 정상 조직 간의 이러한 특징들을 심층 분석한다. 특히 종양 세포의 유전체 불안정성과 면역억제 미세환경의 형성이 각 아형의 특징적인 생물학적 기전을 밝히는 데 기여한다.

Contents

  1. Dataset overview
  2. 단일 세포 RNA 시퀀싱 데이터의 UMAP 시각화 분석
  3. UMAP 기반 세포 유형 및 유전자 발현 시각화 분석
  4. 전체 Celltype_subset 마커 발현 닷 플롯 해석
  5. 유방암 샘플의 종양 기원 및 미분류 세포 CNV 패턴 분석
  6. CNV 기반 UMAP 시각화를 통한 세포 유형, 이수성 및 임상 조건별 분포 분석
  7. 세포 타입 개체군 분석 결과: 유방암 아형별 세포 구성 차이
  8. T 세포 하위 집단 분석: 유방암 아형별 면역 미세 환경 변화
  9. 대식세포 아형 집단 비교 분석: 유방암 아형 및 정상 조직
  10. 유방암 조건별 T 세포 아형 비율 변화 분석
  11. 유방암 조건별 대식세포 하위집단 비율 변화 분석
  12. 종양 기원 세포 및 미분류 세포의 배수성(Ploidy) 분포 분석
  13. TNBC에서 특정 세포 유형 간의 세포-세포 상호작용 패턴 분석
  14. 유방암 아형별 세포간 상호작용 패턴 분석
  15. 선택된 면역 관문(Immune Checkpoint) 유전자들의 세포 간 상호작용 분석
  16. 조건별 세포간 상호작용 패턴 분석
  17. 유방암 상피세포의 조건별 표면 마커 발굴 및 해석
  18. Macrophage 조건별 표면 마커 분석
  19. 섬유아세포(Fibroblast)의 유방암 아형별 표면 마커 분석
  20. T cell CD4+ 조건별 표면 마커 분석 결과
  21. 유방암 상피세포의 세포 주기 관련 유전자 발현량 조건별 비교 분석
  22. 유방 상피세포의 조건별 유전자 온톨로지(GSA) 분석 결과
  23. 유방암 아형 및 다양한 세포 유형별 유전자 세트 농축 분석 (GSEA) 결과
  24. Discussion
  25. 질의 목록

0. Dataset overview

데이터셋 요약

주요 관측치 (obs) 컬럼:

사전 계산된 결과:

1. 단일 세포 RNA 시퀀싱 데이터의 UMAP 시각화 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

제공된 UMAP 시각화는 단일 세포 RNA 시퀀싱 데이터를 기반으로 하며, 총 33,742개 세포와 22,585개 유전자를 포함합니다. 이 분석은 세포들을 다양한 메타데이터 속성(조건, 샘플, 주요 세포 유형, 하위 세포 유형, ploidy 상태, 세포 하위 집합)에 따라 색상으로 구분하여 2차원 공간에 투영한 결과를 보여줍니다. 이를 통해 데이터의 전반적인 구조, 세포 유형 분류의 품질, 샘플 간의 통합 수준, 그리고 종양 상태 및 ploidy 상태와 세포 집단 간의 관계를 평가할 수 있습니다.

Visual Summary

1. 조건(condition)별 UMAP

2. 샘플(sample)별 UMAP

3. 주요 세포 유형(celltype_major)별 UMAP

4. 하위 세포 유형(celltype_minor)별 UMAP

5. ploidy_dec(ploidy 상태)별 UMAP

6. 세포 하위 집합(celltype_subset)별 UMAP

Biological Interpretation

이 UMAP 분석은 유방암 미세환경의 복잡한 세포 구성을 효과적으로 시각화합니다.

Annotation Notes

이 UMAP 시각화는 제공된 AnnData의 세포 유형 및 샘플 주석의 품질이 양호함을 시사합니다.

이러한 고품질의 주석은 이후의 차등 유전자 발현 분석(DEG), 유전자 세트 농축 분석(GSEA), GO(GSA) 분석 및 세포-세포 상호작용(CCI) 분석의 신뢰성을 높이는 데 기여할 것입니다.

2. UMAP 기반 세포 유형 및 유전자 발현 시각화 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 UMAP(Uniform Manifold Approximation and Projection)으로 시각화하여 주요 세포 유형(celltype_minor)별 분포와 특정 마커 유전자들의 발현 양상을 함께 보여줍니다. 이는 AnnData 객체에 저장된 기존 세포 유형 주석의 품질을 검증하고, 각 세포 유형의 특징적인 유전자 발현 패턴을 확인하는 데 중요한 단계입니다.

Visual Summary

주어진 UMAP 플롯은 전체 33,742개 세포의 저차원 임베딩을 보여주며, 마지막 플롯은 celltype_minor 주석에 따라 색상이 지정되어 있습니다. 나머지 플롯들은 각기 다른 13개 마커 유전자의 발현량을 UMAP 공간에 중첩하여 보여줍니다.

마커 유전자 발현 양상:

Biological Interpretation

이 UMAP 시각화는 단일 세포 RNA-seq 데이터에서 celltype_minor 주석의 높은 신뢰성을 보여줍니다. 각 마커 유전자의 발현 패턴은 해당 유전자가 전통적으로 알려진 세포 유형과 정확히 일치하는 클러스터에 집중되어 있습니다.

전반적으로, 이 분석 결과는 celltype_minor 주석이 생물학적으로 의미 있는 세포 집단을 정확하게 반영하고 있음을 강력히 지지합니다. 이는 향후 조건별(예: ER+, HER2+, TNBC, Normal) 차등 유전자 발현 분석(DEG), 유전자 세트 농축 분석(GSEA), GO(GSA) 분석 등 심층적인 하위 분석을 수행하기 위한 견고한 기반을 제공합니다.

Annotation Notes

3. 전체 Celltype_subset 마커 발현 닷 플롯 해석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱 데이터로부터 식별된 다양한 celltype_subset 집단에 대한 마커 유전자 발현 패턴을 시각화합니다. 닷 플롯은 각 세포 아형(row)에서 특정 유전자(column)의 발현 수준(점의 색상)과 발현 세포 비율(점의 크기)을 보여줍니다. 이 분석의 주요 목적은 각 celltype_subset의 주석이 해당 집단 특이적 마커 유전자의 발현 패턴에 의해 잘 뒷받침되는지 확인하여 세포 정체성을 검증하는 것입니다.

Visual Summary

제공된 닷 플롯은 celltype_subset 별로 고유하게 발현되는 마커 유전자들을 효과적으로 시각화하고 있습니다.

Biological Interpretation

이 닷 플롯은 유전자 발현을 통해 다양한 celltype_subset의 정체성을 확인하는 데 중요한 생물학적 통찰력을 제공합니다.

B 세포 아형

수지상 세포 (DC)

내피 세포 아형

섬유아세포 (Fibroblast)

선천성 림프구 (ILC) 아형

상피 세포 아형

대식세포 아형

형질 세포 (Plasma cell)

평활근 세포 (Smooth muscle cell)

T 세포 아형

Annotation Notes

이 마커 발현 닷 플롯은 주어진 celltype_subset 주석의 품질을 매우 강력하게 지지합니다. 각 세포 아형은 일반적으로 해당 세포 유형에 특이적이라고 알려진 유전자들을 높은 발현 수준과 높은 발현 비율로 보여주며, 이는 주석의 정확성과 일관성을 뒷받침합니다. 특히, 림프관 내피 세포의 PDPN/PROX1, 형질 세포의 JCHAIN/SDC1, Treg 세포의 FOXP3/CTLA4와 같이 잘 확립된 마커들이 명확하게 식별되어, 각 세포 아형의 생물학적 정체성이 견고하게 확립되었음을 시사합니다. 일부 마커는 관련성이 있는 여러 세포 아형에서 발현될 수 있지만 (예: 범 B 세포 마커 또는 범 대식세포 마커), 이는 예상되는 생물학적 연속성을 반영하며 주석의 유효성을 약화시키지 않습니다. 전반적으로, 이 결과는 데이터셋 내 celltype_subset 주석이 신뢰할 수 있고 상세한 수준에서 세포 정체성을 정확하게 반영하고 있음을 보여줍니다.

4. 유방암 샘플의 종양 기원 및 미분류 세포 CNV 패턴 분석

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 단일 세포 RNA 시퀀싱 데이터를 사용하여 유방암 환자 및 정상 샘플에서 종양 기원 세포(Epithelial cell)와 분류되지 않은(unassigned) 세포의 CNV(Copy Number Variation) 패턴을 샘플별로 그룹화하여 시각화하고, 유의하게 증폭된 영역에 대한 요약을 제공합니다. 이 결과를 통해 유방암의 유전체 불안정성, 암 유형별 CNV 특징 및 잠재적 바이오마커를 파악합니다.

시각적 요약

제공된 히트맵과 요약 테이블은 다음과 같은 주요 특징을 보여줍니다.

CNV 히트맵 (log2(CNR)):

CNV 요약 (증폭 빈도):

생물학적 해석

임상적 또는 중개적 함의

5. CNV 기반 UMAP 시각화를 통한 세포 유형, 이수성 및 임상 조건별 분포 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA 시퀀싱 데이터에서 추론된 체세포 유전체 카피 수 변이(CNV) 추정치를 기반으로 UMAP 임베딩을 시각화합니다. 이 UMAP은 각 세포의 CNV 패턴을 반영하여 유사한 CNV 프로파일을 가진 세포들이 가깝게 클러스터링되도록 합니다. 여기에 주요 세포 유형, 세부 세포 유형, 핵형 이수성(ploidy_dec) 상태, 임상 조건 및 샘플 정보를 오버레이하여 CNV 패턴이 이러한 생물학적 특성들과 어떻게 연관되는지 시각적으로 탐색합니다.

Visual Summary

CNV를 기반으로 하는 UMAP 임베딩은 명확하게 구별되는 여러 클러스터를 보여줍니다.

Biological Interpretation

  1. CNV에 의한 세포 유형 분리: UMAP 임베딩은 CNV 패턴을 기반으로 세포 유형을 효과적으로 분리합니다. 특히, 유방암의 종양 기원 세포 유형으로 명시된 상피 세포(Epithelial cell)는 UMAP의 중앙에 위치하며, 다양한 면역 및 기질 세포와는 구별되는 CNV 프로파일을 가집니다. 이는 각 세포 유형이 고유한 유전체적 안정성 또는 변이 패턴을 가지고 있음을 반영합니다.
  2. 이수성(Aneuploidy)과 종양 세포의 연관성: 플로이드(ploidy_dec) 결과에서 이수성 세포들이 UMAP 상에서 뚜렷한 클러스터를 형성하는 것은 매우 중요합니다. 이수성은 암의 특징적인 유전체 불안정성 지표입니다 . 이 이수성 클러스터들은 종양 상피 세포와 강하게 연관될 가능성이 높으며, 이는 암세포가 정상 세포와 구별되는 유전체적 변이를 가진다는 것을 CNV 수준에서 보여줍니다. 반면, 중앙의 정배수체(Diploid) 클러스터는 정상 상피 세포 및 종양 미세환경 내 비악성 면역/기질 세포들을 주로 포함할 것으로 예상됩니다.
  3. 암 조건별 CNV 패턴의 이질성: ER+, HER2+, TNBC와 같은 유방암 아형의 세포들이 정배수체 및 이수성 클러스터 모두에 분포하는 것은 종양 세포 내에서도 CNV 이질성이 존재하거나, 또는 종양 미세환경 내 정상 세포들이 함께 분석되었기 때문일 수 있습니다. 특히 ER+ 세포가 이수성 클러스터에서 두드러지는 것은 이 유방암 아형이 특정 CNV 패턴과 강하게 연관될 수 있음을 시사하며, 이는 각 아형별 유전체 특성을 이해하는 데 중요한 단서가 될 수 있습니다 .
  4. 샘플 특이적 CNV: 일부 샘플이 특정 UMAP 클러스터에 집중되어 나타나는 현상은 개별 환자별 종양에서 발생하는 CNV 프로파일의 다양성을 반영할 수 있습니다. 이는 유방암이 환자마다 다른 유전체적 배경을 가질 수 있음을 의미하며, 암의 이질성과 맞춤형 치료 접근법의 필요성을 뒷받침합니다.

Annotation Notes

6. 세포 타입 개체군 분석 결과: 유방암 아형별 세포 구성 차이

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 단일 세포 RNA 시퀀싱 데이터를 기반으로 유방암 아형(ER+, HER2+, TNBC) 및 정상 조직에서 'celltype_minor' 수준의 세포 개체군 비율을 시각화한 것입니다. 각 막대 그래프는 개별 샘플을 나타내며, 각 색상은 해당 샘플 내에서 각 세포 타입이 차지하는 상대적 비율을 보여줍니다. 이를 통해 각 조건 및 샘플 내 세포 구성의 차이를 파악하고 유방암 미세환경의 특징을 이해할 수 있습니다.

시각적 요약

정상 조직 (Normal)

ER+ 유방암

HER2+ 유방암

TNBC (삼중 음성 유방암)

생물학적 해석

종양 미세환경 (TME)의 아형별 특이성

임상적 또는 중개적 함의

7. T 세포 하위 집단 분석: 유방암 아형별 면역 미세 환경 변화

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 사용하여 유방암의 다양한 조건(ER+, HER2+, TNBC)과 정상 조직에서 T 세포를 포함하는 주요 림프구 집단의 하위 유형 분포를 시각화한 것입니다. plot_celltype_population 도구를 사용하여 celltype_major가 'T cell'로 분류된 세포들의 celltype_subset 수준에서의 상대적인 구성 비율을 각 샘플별로 막대 그래프로 나타냈습니다. 이는 유방암 아형에 따른 면역 미세 환경 내 T 세포 및 관련 림프구 집단의 변화를 이해하는 데 중요한 정보를 제공합니다. 여기서 'T cell' major 집단은 NK 세포와 ILC(Innate Lymphoid Cell)를 포함하는 보다 넓은 림프구 범주를 나타냅니다.

Visual Summary

제공된 막대 그래프는 ER+, HER2+, Normal, TNBC의 네 가지 조건에 대해 각각 여러 샘플에서 T 세포 및 관련 림프구 하위 집단의 상대적 비율을 보여줍니다.

Biological Interpretation

이 분석 결과는 유방암 발병 및 진행에 따른 유방 조직의 면역 미세 환경(TME)에서 림프구 집단의 중요한 재구성을 시사합니다.

  1. 정상 조직의 ILCs 및 NK 세포 우세: 정상 유방 조직에서 ILCs와 NK 세포가 지배적인 것은 이들이 조직 항상성 유지, 초기 면역 감시, 염증 반응 조절에 중요한 역할을 함을 나타냅니다. 특히 LTI(Lymphoid Tissue Inducer) 세포는 림프 조직 형성 및 유지를 돕습니다. [PubMed Search: "innate lymphoid cells breast homeostasis"]
  2. 암 미세 환경에서 ILCs 및 NK 세포의 감소: 유방암 조직에서 ILCs와 NK 세포의 현저한 감소는 종양 회피 메커니즘의 일부일 수 있습니다. 종양은 이들 선천 면역 세포의 기능을 억제하거나, 종양 미세 환경으로의 침윤을 방해하거나, 생존을 저해하여 면역 감시를 회피할 수 있습니다.
  3. 암 미세 환경에서 적응 면역 T 세포의 증가: ILCs와 NK 세포가 감소하는 반면, 암 조직에서는 Cytotoxic T cell, Naive T cell, Tfh, Treg 등 적응 면역 T 세포의 비율이 증가하는 것이 관찰됩니다. 이는 종양이 침윤하는 T 세포 반응을 유도하지만, 동시에 면역 억제성 세포(Treg)를 동원하여 면역 회피 전략을 구사함을 보여줍니다.
  1. 유방암 아형별 면역 미세 환경의 차이: 전반적인 패턴은 유사하지만, 각 아형 내 샘플별 미세한 차이는 종양의 면역원성, 진행 단계, 특정 치료 반응성 등과 연관될 수 있습니다.

Clinical or Translational Implications

이 분석 결과는 유방암의 진단, 예후 예측 및 면역 치료 전략 개발에 중요한 통찰력을 제공합니다.

  1. 면역 치료 표적 발굴:
  1. 생체 지표 (Biomarker) 개발: 각 유방암 아형에서 특정 T 세포 및 림프구 하위 집단의 비율은 치료 반응 또는 질병 진행에 대한 예측 바이오마커로 활용될 수 있습니다. 예를 들어, 높은 Cytotoxic T cell-to-Treg ratio는 더 나은 예후 또는 면역 치료 반응과 연관될 수 있습니다.
  2. 정상 조직과의 비교 기준: 정상 유방 조직의 ILC/NK 세포 우세 패턴은 유방암 발생 시 면역 미세 환경이 어떻게 변화하는지에 대한 중요한 기준점을 제공하며, 초기 종양 형성 과정에서 면역 변화를 이해하는 데 기여합니다.
  3. 개인 맞춤형 치료: 환자 개개인의 종양 내 림프구 하위 집단 프로파일을 분석하여 가장 적합한 면역 치료법을 선택하는 데 활용될 수 있습니다.

8. 대식세포 아형 집단 비교 분석: 유방암 아형 및 정상 조직

Report figure

[Analysis Visualization Results]...

분석 개요

제공된 막대그래프는 ER+, HER2+, Normal, TNBC (삼중 음성 유방암)의 네 가지 조건에서 얻은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 기반으로 대식세포(Macrophage)의 아형(subset) 분포를 보여줍니다. 각 조건 내의 개별 샘플에 대한 M1, M2A, M2B, M2C, M2D 대식세포의 상대적 비율을 시각화하여, 유방암 아형별 대식세포 미세환경의 특징을 이해하는 데 도움을 줍니다.

시각적 요약

생물학적 해석

대식세포는 그 기능적 상태에 따라 M1(고전적 활성) 또는 M2(대안적 활성) 표현형으로 크게 분류됩니다. 일반적으로 M1 대식세포는 항종양 반응을 유도하는 염증성 사이토카인(예: TNF-α, IL-12)을 분비하며, 항원 제시를 통해 T 세포를 활성화하는 반면, M2 대식세포는 종양 성장, 혈관신생, 조직 재형성 및 면역 억제를 촉진하는 친종양성 역할을 한다고 알려져 있습니다. M2 아형은 다시 M2A, M2B, M2C, M2D 등으로 세분화될 수 있으며, 각각 다른 자극에 의해 유도되고 특정 기능을 수행합니다.

이 분석 결과는 다음과 같은 중요한 생물학적 통찰을 제공합니다:

종합적으로 볼 때, 유방암 TME는 단순히 M1 대 M2 대식세포의 이분법적 전환을 넘어, 여러 M2 아형(특히 M2B의 감소와 M2A의 증가)을 포함하는 복잡한 대식세포 아형 재편성을 겪고 있음을 보여줍니다. M1 대식세포의 예상보다 높은 비율은 TME 내 대식세포의 기능적 가소성(plasticity)과 활성화 상태에 대한 심층적인 연구의 필요성을 강조합니다.

임상적 또는 중개적 함의

이러한 대식세포 아형 분포의 차이는 유방암의 진단, 예후 및 치료 전략 개발에 중요한 임상적 함의를 가질 수 있습니다:

참고문헌

  1. Macrophage Polarization: Orecchioni, M., Ghosheh, Y., Pramil Saljoughian, N., Beaumont, K. G., & Cooke, J. P. (2019). Macrophage Polarization: Different Roads to a Common Destination. *Arteriosclerosis, Thrombosis, and Vascular Biology*, 39(8), 1750–1759.
  2. Tumor-Associated Macrophages (TAMs) in Breast Cancer: Pathria, D., Louis, T. L., & Varner, J. A. (2019). Targeting Tumor-Associated Macrophages in Cancer. *Trends in Immunology*, 40(6), 540–555.
  3. M1 Macrophages in TME: Mantovani, A., Marchesi, F., Malesci, A., Laghi, L., & Grizzi, F. (2017). Tumour-associated macrophages as a double-edged sword in cancer. *Nature Reviews Clinical Oncology*, 14(10), 633–649.
  4. M2A Macrophages in Cancer: Biswas, S. K., & Mantovani, A. (2008). Macrophage plasticity and polarization in tissue repair and disease. *Nature Immunology*, 9(5), 570–576.
  5. Therapeutic Targeting of Macrophages: Quatromoni, J. G., & Eruslanov, E. B. (2020). Tumor-associated macrophages: From mechanisms to therapy. *Translational Lung Cancer Research*, 9(3), 1083–1098.

9. 유방암 조건별 T 세포 아형 비율 변화 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 유방 조직 내 T 세포의 다양한 아형(subset)들의 상대적인 비율이 정상(Normal) 조직과 특정 유방암 아형(ER+, HER2+, TNBC) 간에 어떻게 유의미한 차이를 보이는지 boxplot을 통해 시각적으로 제시합니다. 각 T 세포 아형의 비율은 조건별로 그룹화되어 있으며, 그룹 간 통계적 유의성(p-value)이 표시되어 있습니다. 이는 각 유방암 아형의 면역 미세환경 특성을 이해하는 데 중요한 정보를 제공합니다.

Visual Summary

제공된 boxplot은 7가지 T 세포 아형(Th2, Th22, Th17, Th1, LTI, T_Cyto, Treg)의 비율 변화를 보여줍니다. 주요 관찰 결과는 다음과 같습니다.

Th2, Th22, Th17, Th1 세포

LTI (Lymphoid Tissue Inducer) 세포

T_Cyto (Cytotoxic T cell) 세포

Treg 세포

Biological Interpretation

이러한 T 세포 아형 비율의 변화는 유방암 미세환경 내 면역 반응의 복잡한 역동성을 시사합니다.

전반적으로, 유방암 미세환경에서는 다양한 T 세포 아형이 증가하지만, 동시에 면역 억제 세포(Treg)의 증가와 면역 구조 형성 세포(LTI)의 감소가 관찰되어, 암세포가 면역 시스템의 공격을 회피하는 복합적인 전략을 사용하고 있음을 알 수 있습니다. 특히 ER+와 TNBC는 높은 Treg 비율로 인해 면역 억제에 취약할 수 있으며, 모든 암 아형에서 LTI 감소는 효율적인 면역 구조 형성에 어려움이 있음을 나타냅니다.

Clinical or Translational Implications

이러한 T 세포 아형 비율의 변화는 유방암 치료 전략 개발에 중요한 시사점을 제공합니다.

10. 유방암 조건별 대식세포 하위집단 비율 변화 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

제공된 분석 결과는 단일 세포 RNA 시퀀싱(single-cell RNA-seq) 데이터를 사용하여 유방암의 네 가지 조건(Normal, ER+, TNBC, HER2+)에서 특정 대식세포 하위집단(Macrophage subsets)의 상대적 비율을 비교한 박스플롯입니다. 특히 Normal 조직을 기준으로 각 암 조건에서 대식세포 하위집단(Mac M2B, Mac M2D, Mac M2A)의 유의미한 변화를 평가했습니다. p-value 0.1 미만을 유의미한 차이로 간주했습니다.

Visual Summary

Mac (M2B)

Mac (M2D)

Mac (M2A)

Biological Interpretation

이번 분석은 유방암 미세환경 내 대식세포 하위집단의 역동성이 유방암 아형에 따라 다를 수 있음을 시사합니다.

Clinical or Translational Implications

11. 종양 기원 세포 및 미분류 세포의 배수성(Ploidy) 분포 분석

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 단일 세포 RNA 시퀀싱(single-cell RNA-seq) 데이터에서 도출된 AnnData를 활용하여 유방암(ER+, HER2+, TNBC) 및 정상(Normal) 조건에 따른 종양 기원 세포(Epithelial cell)와 미분류(unassigned) 세포 집단에 대한 배수성(ploidy) 분포를 시각화한 결과입니다. 각 샘플 내에서 해당 세포 집단이 이수성(Aneuploid), 정배수성(Diploid), 또는 불확실(Unclear)한 상태로 얼마나 구성되어 있는지 백분율로 보여줍니다.

시각적 요약

제공된 막대 그래프는 각 유방암 아형(ER+, HER2+, TNBC) 및 정상 조건별로 개별 샘플에 대한 종양 기원 세포(Epithelial cell) 및 미분류(unassigned) 세포의 배수성 분포를 나타냅니다.

전반적으로 암 조건(ER+, HER2+, TNBC)의 샘플들은 정상 조건과 달리 높은 비율의 이수성 세포를 포함하고 있으며, 특히 HER2+와 TNBC 조건에서 이수성 세포의 비율이 매우 높게 나타나는 경향을 보입니다. 'Unclear'로 분류된 세포의 비율은 모든 조건에서 미미합니다.

생물학적 해석

  1. 암의 특징으로서의 유전체 불안정성: 이수성(Aneuploidy)은 염색체 수의 비정상적인 변화를 의미하며, 이는 암의 핵심 특징(hallmark of cancer) 중 하나인 유전체 불안정성(genomic instability)을 반영합니다 . 정상 샘플에서 거의 100%에 가까운 정배수성(Diploid)이 관찰되는 것은 정상 세포가 엄격한 유전체 안정성을 유지함을 보여줍니다. 반면, 유방암 샘플들(ER+, HER2+, TNBC)에서 높은 이수성 세포 비율이 나타나는 것은 악성 상피세포(malignant epithelial cells)의 유전체 불안정성을 명확히 시사합니다.
  2. 종양 기원 세포의 이수성: 이 분석은 종양 기원 세포인 'Epithelial cell'과 'unassigned' 세포를 함께 고려합니다. 암 샘플에서 관찰되는 높은 이수성 비율은 주로 종양의 악성 상피세포에서 기인한다고 해석할 수 있습니다. 'unassigned' 세포 집단에 비종양성 세포(예: 기질 세포, 면역 세포)가 포함되어 있다면, 이들은 주로 정배수성일 것으로 예상됩니다. 따라서 암 샘플에서 보이는 강력한 이수성 신호는 암세포 자체가 유전적으로 불안정하다는 강력한 증거입니다.
  3. 유방암 아형별 차이:

임상적 또는 중개적 함의

  1. 진단 및 예후 마커: 종양 내 이수성 세포의 비율은 유방암의 악성도와 관련이 있으며, 잠재적인 예후 마커로 활용될 수 있습니다 . 높은 이수성은 일반적으로 더 공격적인 종양 행동 및 불량한 예후와 연관되는 경우가 많습니다.
  2. 치료 전략: 유전체 불안정성은 특정 치료법에 대한 반응에 영향을 미칠 수 있습니다. 예를 들어, 이수성이 높은 종양은 DNA 손상 반응(DNA damage response, DDR) 경로를 표적으로 하는 PARP 저해제와 같은 약물에 더 취약할 수 있습니다 . 이러한 분석 결과는 환자 맞춤형 치료 전략을 수립하는 데 기초적인 정보를 제공할 수 있습니다.
  3. 암세포 이질성 이해: 암 샘플 내에서 이수성 비율의 변동성은 종양 미세환경 내 암세포 이질성(tumor heterogeneity)을 시사합니다. 이는 단일 생검으로는 전체 종양의 유전적 특성을 완전히 파악하기 어려울 수 있음을 의미하며, 다중 부위 생검 또는 순환 종양 DNA(ctDNA) 분석과 같은 포괄적인 유전체 분석의 필요성을 강조합니다.

12. TNBC에서 특정 세포 유형 간의 세포-세포 상호작용 패턴 분석

Report figure

[Analysis Visualization Results]...

분석 개요

이 분석은 삼중 음성 유방암(TNBC) 조건에서 Epithelial cell (상피세포, 특히 이수성 Aneuploid 및 이배성 Diploid 세포 포함), Fibroblast (섬유아세포), Macrophage (대식세포), T cell CD4+, T cell CD8+ 등 주요 종양 미세환경 세포들 간의 세포-세포 상호작용(Cell-Cell Interaction, CCI) 패턴을 시각화합니다. CellPhoneDB 결과를 기반으로 각 상호작용의 유의성(p-value)과 평균 발현 수준(mean expression)을 함께 보여주어, TNBC 미세환경 내 핵심 소통 축을 파악하고자 합니다.

시각적 요약

주어진 도트 플롯은 TNBC 조건에서 상위 80개 세포-세포 상호작용 쌍을 나타냅니다.

세포 쌍 분포

리간드-수용체 쌍

기타 주목할 만한 상호작용

생물학적 해석

TNBC는 공격적인 특성을 지닌 유방암 아형으로, 종양 미세환경(TME)과의 복잡한 상호작용이 질병 진행에 매우 중요합니다.

  1. 세포외기질(ECM) 리모델링 및 세포 부착: 인테그린 복합체(예: COL1A1, FN1_integrin_a5b1_complex)는 Fibroblast, Macrophage 및 Aneuploid Epithelial cell 간의 활발한 상호작용을 통해 ECM 리모델링 및 세포 부착을 조절하는 핵심적인 역할을 합니다. 이러한 상호작용은 종양 세포의 이동, 침윤, 그리고 전이를 촉진하는 TNBC의 특징과 일치합니다 .
  2. 면역 세포 모집 및 조절: CXCL12-CXCR4는 특히 Fibroblast와 Macrophage, 그리고 Aneuploid Epithelial cell 사이에서 높은 활성을 보여, 종양 관련 대식세포(TAM) 및 기타 면역 세포의 종양 미세환경으로의 모집과 종양 성장을 촉진하는 역할을 시사합니다 . CXCL10/CXCL9-CXCR3 및 CCL3/CCL5-CCR1 축은 T cell과 Macrophage 간의 상호작용에 관여하여 면역 반응을 조절할 수 있습니다.
  3. 종양 세포 성장 및 생존: IGF1-IGF1R 신호는 Aneuploid Epithelial cell 간의 자가 분비(autocrine) 및 주변 세포와의 측분비(paracrine) 방식으로 종양 세포의 생존과 증식을 지원할 수 있습니다 . EGFR 신호 또한 TNBC에서 종양 성장을 촉진하는 중요한 경로입니다.
  4. 침윤 및 전이: PLAU-PLAUR 시스템은 ECM 분해를 통해 종양 세포의 침윤 및 전이를 돕는 것으로 잘 알려져 있습니다. 이는 TNBC의 고전이성(highly metastatic) 특성을 설명하는 중요한 메커니즘일 수 있습니다 . SPP1 (Osteopontin) 또한 Macrophage와 Fibroblast 간 상호작용을 통해 면역 조절 및 전이를 촉진하는 중요한 인자입니다.
  5. WNT 신호 조절: WNT 신호는 암 발생과 진행에 중요한 역할을 합니다. SFRP (Secreted Frizzled-Related Protein)는 WNT 신호의 길항제이므로, WNT-SFRP 상호작용은 복잡한 WNT 신호 조절 기전을 반영하며, 이는 TNBC에서 종양 진행 또는 억제에 기여할 수 있습니다.

임상적 또는 중개 연구적 시사점

이 분석 결과는 TNBC의 진행을 위한 중요한 세포-세포 상호작용 네트워크를 밝히며, 다음과 같은 임상적 또는 중개 연구적 함의를 가집니다.

  1. 치료 표적 발굴:
  1. 바이오마커 개발: 특정 CCI 쌍의 높은 활성 또는 발현 수준은 TNBC 환자의 예후 바이오마커 또는 TME 표적 치료에 대한 반응 예측 바이오마커로 활용될 수 있습니다. 예를 들어, CXCL12-CXCR4 축의 활성도는 치료 반응을 예측하는 데 사용될 수 있습니다.
  2. 실험적 검증 및 병용 요법: 본 분석에서 식별된 주요 CCI는 시험관 내(in vitro) 공동 배양 모델, 3D 종양 스페로이드, 또는 생체 내(in vivo) 종양 모델에서 기능적 중요성을 추가로 검증해야 합니다. 예를 들어, 인테그린 억제제와 면역 관문 억제제(immune checkpoint inhibitor) 또는 화학요법제를 병용하여 TNBC 치료 효능을 극대화하는 전략을 탐색할 수 있습니다.
  3. 세포 아형별 역할 규명: Aneuploid Epithelial cell과 Diploid Epithelial cell을 구분하여 상호작용을 분석한 것은 종양 세포의 이질성과 주변 미세환경과의 상호작용 특이성을 이해하는 데 중요하며, 이를 통해 보다 정교한 치료 전략을 수립할 수 있습니다.

13. 유방암 아형별 세포간 상호작용 패턴 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

제공된 시각화는 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 기반으로 한 세포간 상호작용(Cell-Cell Interaction, CCI) 분석 결과를 조건(Condition: ER+, HER2+, Normal, TNBC) 및 샘플별로 보여주는 닷 플롯입니다. 각 점은 특정 유전자 쌍-세포 쌍 간의 상호작용을 나타내며, 점의 색상은 해당 상호작용의 표준화된 강도(standardized sample mean, 짙은 붉은색일수록 강함)를, 점의 크기는 통계적 유의성(-log10(p-value), 클수록 유의함)을 나타냅니다. 이 플롯은 각 조건에서 가장 유의미한 상호작용 상위 80개를 선별하여 제시합니다. 특히, 상호작용에 참여하는 상피세포(Epithelial cell)의 염색체 이수성(Aneuploid, AneuP) 또는 정배수성(Diploid, Dip) 정보가 명시되어 있어 종양 세포의 특성을 반영한 상호작용을 파악하는 데 중요합니다.

Visual Summary

  1. 조건별 뚜렷한 상호작용 패턴: ER+, HER2+, Normal, TNBC의 네 가지 조건에 따라 세포간 상호작용 패턴이 뚜렷하게 구분됩니다. 특히 종양 아형(ER+, HER2+, TNBC)과 정상(Normal) 조직 간에는 상호작용의 강도와 유의성에서 현저한 차이가 관찰됩니다.
  2. 정상 조직의 낮은 상호작용 강도: 정상 조직 샘플들(예: N-MH275-Total, N-MH288-Total 등)은 전반적으로 종양 조건에 비해 상호작용의 강도(점의 색상)와 유의성(점의 크기)이 낮은 경향을 보입니다. 이는 종양 미세환경에서 세포간 커뮤니케이션이 활발하게 재편됨을 시사합니다.
  3. 종양 아형별 특징적인 상호작용 강화:
  1. 세포 유형 및 유전자 쌍의 다양성: X축의 CCI 인덱스는 다양한 유전자 쌍(리간드-수용체), 세포 쌍(예: Macrophage-Epithelial cell, Fibroblast-Epithelial cell, T cell-Epithelial cell 등), 그리고 세포의 염색체 이수성/정배수성 정보를 포함합니다. 이수성 상피세포(Epi(AneuP))가 관련된 상호작용은 주로 종양 조건에서 관찰되며, 정배수성 상피세포(Epi(Dip))는 정상 조건과 일부 종양 조건에서 나타납니다.

Biological Interpretation

이 분석 결과는 유방암 아형별로 종양 미세환경(Tumor Microenvironment, TME) 내 세포간 커뮤니케이션 방식이 크게 다름을 명확히 보여줍니다.

  1. 종양 이수성 상피세포(Epi(AneuP)) 중심의 상호작용: 종양 조건(ER+, HER2+, TNBC)에서 관찰되는 강력한 상호작용의 상당수는 종양 기원 세포인 이수성 상피세포(Epi(AneuP))와 다른 TME 세포(예: 대식세포(Macrophage), 섬유아세포(Fibroblast), T 세포(T cell), 내피세포(Endothelial cell)) 간에 발생합니다. 이는 종양 이수성 상피세포가 TME 재편의 핵심 주체임을 시사합니다.
  1. 면역 조절 및 염증 관련 상호작용:
  1. 혈관 신생 및 성장 인자 신호:
  1. 아형별 특이성:

Clinical or Translational Implications

  1. 아형별 진단 및 예후 마커 발굴: 각 유방암 아형에서 특이적으로 강화되는 세포간 상호작용은 새로운 진단 바이오마커 또는 예후 예측 인자로 활용될 수 있습니다. 특히, 정상 조직과 구별되는 상호작용 패턴은 종양 발생 초기 단계의 바이오마커가 될 가능성을 가집니다.
  2. 표적 치료제 개발: 특정 유방암 아형에서 과활성화되는 리간드-수용체 상호작용은 해당 아형에 대한 새로운 치료 표적이 될 수 있습니다. 예를 들어, TNBC에서 특정 면역 회피 또는 혈관 신생 관련 상호작용이 두드러진다면, 해당 경로를 차단하는 약물을 개발하거나 기존 약물과 병용하는 전략을 고려할 수 있습니다.
  1. 정밀 의학 및 환자 맞춤형 치료: 각 환자의 종양 샘플에서 관찰되는 특정 CCI 프로파일은 환자 개개인의 반응을 예측하고, 가장 효과적인 치료 전략을 선택하는 데 기여할 수 있습니다. 이는 유방암의 이질성을 고려한 정밀 의학적 접근 방식의 기반이 됩니다.
  2. 종양 미세환경 조절 전략: 종양 이수성 상피세포와 주변 TME 세포 간의 상호작용을 이해하는 것은 종양의 성장, 침윤, 전이 및 치료 반응에 대한 통찰력을 제공합니다. 이를 통해 TME를 조절하여 항암 치료 효과를 높이는 새로운 전략을 개발할 수 있습니다.

14. 선택된 면역 관문(Immune Checkpoint) 유전자들의 세포 간 상호작용 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 기반으로 유방암 아형(ER+, HER2+, TNBC) 및 정상(Normal) 조직에서 특정 면역 관문(immune checkpoint) 관련 유전자들의 세포 간 상호작용(Cell-Cell Interaction, CCI)을 시각화한 결과입니다. 사용자가 요청한 immune checkpoint 및 cell cycle 관련 유전자들 중, plot_cci_dots 도구의 파라미터(p-value cutoff: 0.05, mean cutoff: 0.01, n_pairs_to_show: 80)를 만족하는 면역 관문 관련 유전자 상호작용들만 표시되었습니다. Cell cycle 관련 유전자(예: CCND1, CCNE1, CDK1 등)에 대한 상호작용은 본 시각화 결과에 포함되지 않았습니다. 각 점의 크기는 상호작용의 통계적 유의성(-log10(p-value))을 나타내며, 색상은 상호작용 쌍의 평균 발현량(log2(mean))을 나타냅니다.

Visual Summary

제공된 네 개의 닷 플롯은 ER+, HER2+, Normal, TNBC 조건별로 면역 관문 관련 유전자들의 세포 간 상호작용 패턴을 보여줍니다.

주요 세포-세포 상호작용:

Biological Interpretation

이러한 결과는 유방암 미세환경(Tumor Microenvironment, TME)에서 면역 관문 유전자들이 매개하는 복잡한 면역 조절 네트워크를 명확히 보여줍니다.

종양 내 면역 회피 강화:

세포 유형별 역할:

Clinical or Translational Implications

이 분석 결과는 유방암 아형별 면역 관문 치료 전략 수립에 중요한 통찰을 제공할 수 있습니다.

15. 조건별 세포간 상호작용 패턴 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 유방암 아형(ER+, HER2+, TNBC) 및 정상 조직에서 B cell, Endothelial cell, Epithelial cell, Fibroblast, ILC, Macrophage, Plasma cell, Smooth muscle cell, T cell CD4+, T cell CD8+ 등 주요 세포 유형 간의 통계적으로 유의미한 세포-세포 상호작용(Cell-Cell Interaction, CCI) 패턴을 식별하고 시각화합니다. 닷 플롯은 각 샘플에서 특정 리간드-수용체 쌍에 대한 상호작용의 강도와 유의성을 보여줍니다. 점의 색상은 표준화된 샘플 평균 상호작용 강도를 나타내며(짙은 빨간색일수록 강함), 점의 크기는 통계적 유의성(-log10(p-value), 클수록 유의미함)을 나타냅니다. 특히 각 조건 그룹별로 가장 유의미한 상호작용 25개가 시각화되었습니다.

Visual Summary

제공된 닷 플롯은 ER+, HER2+, Normal, TNBC 네 가지 조건에서 세포간 상호작용의 뚜렷한 패턴을 보여줍니다.

Biological Interpretation

1. ER+ Breast Cancer

ER+ 유방암에서는 특히 Epi (Aneuploid)와 Mac (Aneuploid/Diploid), Fibroblast 간의 상호작용이 두드러집니다.

2. HER2+ Breast Cancer

HER2+ 유방암에서도 Epi (Aneuploid)와 Mac (Diploid), Endothelial cell 간의 상호작용이 특징적입니다.

3. Normal Breast Tissue

정상 조직은 암 조직과 다른 상호작용 패턴을 보입니다.

4. TNBC (Triple-Negative Breast Cancer)

TNBC는 공격적인 특성으로 알려져 있으며, 면역 회피 및 섬유아세포 관련 상호작용이 두드러집니다.

면역 회피 및 억제

5. Ploidy의 역할

이수배수체(Aneuploid) 상피세포는 ER+, TNBC와 같은 암 조건에서 다양한 세포 유형(특히 대식세포와 섬유아세포)과의 상호작용에 주로 관여합니다. 이는 악성 세포(종양 세포)가 주변 미세환경 세포들과의 활발한 통신을 통해 종양의 성장, 침윤, 면역 회피를 적극적으로 유도함을 보여주는 중요한 증거입니다.

Clinical or Translational Implications

  1. 진단 및 예후 바이오마커: 각 유방암 아형에서 관찰된 특이적인 세포간 상호작용 패턴은 잠재적인 진단 또는 예후 바이오마커로 활용될 수 있습니다. 특히 이수배수체 상피세포와 미세환경 세포 간의 특정 상호작용은 종양의 진행 정도나 공격성을 평가하는 데 도움이 될 수 있습니다.
  2. 치료 표적 개발:
  1. 병용 요법 전략: 다양한 세포 유형 간의 복합적인 상호작용을 이해함으로써, 단일 표적 치료의 한계를 극복하고 여러 경로를 동시에 표적하는 병용 요법 전략을 수립하는 데 중요한 기반을 제공합니다. 예를 들어, 면역억제적인 상호작용과 종양 성장 촉진 상호작용을 동시에 공략하는 전략을 고려할 수 있습니다.

이 분석은 각 유방암 아형의 고유한 종양 미세환경 특성을 밝히고, 새로운 진단 및 치료 전략 개발을 위한 중요한 통찰력을 제공합니다.

16. 유방암 상피세포의 조건별 표면 마커 발굴 및 해석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA 시퀀싱 데이터를 기반으로 유방 조직 내 상피세포(Epithelial cell)에서 유방암의 각 하위 유형(ER+, HER2+, TNBC)과 정상(Normal) 조건에 특이적인 표면 마커(surfaceome markers)를 식별하고 시각화합니다. 사용된 도트 플롯은 각 유전자 마커의 그룹 내 발현 수준(점의 색상)과 발현 세포 비율(점의 크기)을 동시에 보여주며, 이를 통해 각 조건에 따라 특이적으로 높게 발현되는 표면 단백질을 확인할 수 있습니다. 특히, surfaceome_only: True 설정으로 인해 세포 표면에 존재하는 단백질만을 선별하여, 잠재적인 진단 바이오마커 또는 치료 표적으로서의 가치를 높입니다.

Visual Summary

도트 플롯은 유방 상피세포의 전사체 데이터를 통해 ER+, HER2+, Normal, TNBC 네 가지 조건에서 각각의 특징적인 표면 마커 발현 패턴을 명확하게 보여줍니다.

Biological Interpretation

이 분석은 유방암의 아형별로 상피세포의 세포 표면 특성 변화를 밝혀내어 각 아형의 고유한 생물학적 특징을 이해하는 데 중요한 통찰을 제공합니다.

Clinical or Translational Implications

이 분석에서 식별된 조건별 표면 마커들은 유방암 진단, 예후 예측 및 치료 전략 개발에 중요한 임상적 의미를 가집니다.

17. Macrophage 조건별 표면 마커 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 사용하여 유방 조직 내 대식세포(Macrophage)의 조건별(정상, ER+, HER2+, TNBC) 표면 단백질 마커 발현 양상을 조사하기 위해 수행되었습니다. plot_markers_and_expression_dot 도구를 활용하여 각 조건에서 대식세포 특이적인 표면 마커들을 식별하고 시각화했습니다. 특히, 각 조건별로 최대 50개의 표면ome 마커를 선정하여 도트 플롯(dot plot)으로 시각화하였으며, 이는 대식세포의 표현형 변화를 탐색하는 데 중요한 정보를 제공합니다.

Visual Summary

제공된 도트 플롯은 다양한 유방암 아형(ER+, HER2+, TNBC) 및 정상(Normal) 조직 샘플에서 대식세포의 표면 마커 발현 패턴을 보여줍니다. 각 원의 크기는 해당 유전자(마커)를 발현하는 세포의 비율(%)을 나타내고, 원의 색상 강도는 해당 그룹 내 평균 발현량(normalized expression)을 나타냅니다.

주요 관찰 내용은 다음과 같습니다:

Biological Interpretation

이 분석 결과는 유방암 미세환경(TME)이 대식세포의 표면 표현형에 깊은 영향을 미치며, 정상 조직 대식세포와 암 관련 대식세포(TAMs) 사이에 뚜렷한 차이가 있음을 강조합니다.

정상 대식세포의 기능적 특징:

이러한 마커들의 조합은 정상 조직 대식세포가 면역 감시, 조직 항상성 유지 및 염증 반응 조절에 관여하는 균형 잡힌 표현형을 가지고 있음을 시사합니다.

암 관련 대식세포(TAM)의 표현형 변화:

Clinical or Translational Implications

치료 표적 가능성:

18. 섬유아세포(Fibroblast)의 유방암 아형별 표면 마커 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱 데이터(single-cell RNA-seq data)로부터 얻어진 AnnData를 활용하여 유방암 미세환경 내 섬유아세포(Fibroblast)의 조건별(ER+, HER2+, TNBC) 표면 마커(surfaceome markers)를 식별하고 시각화합니다. 특히, 유방암 아형(subtype)에 따라 섬유아세포의 표면 단백질 발현 패턴이 어떻게 달라지는지 확인하여, 각 아형에 특이적인 섬유아세포 특성을 이해하는 데 중점을 둡니다. plot_markers_and_expression_dot 툴을 사용하여 각 샘플의 섬유아세포에서 발현되는 상위 50개 표면 마커를 도트 플롯(dot plot)으로 시각화했습니다. 이 플롯은 특정 유방암 아형에서 섬유아세포의 기능적 특성과 잠재적 치료 표적을 발굴하는 데 중요한 정보를 제공합니다.

Visual Summary

제공된 도트 플롯은 유방암 환자 샘플(y축)에서 분리된 섬유아세포의 표면 마커 유전자(x축) 발현 양상을 보여줍니다. 각 원의 크기는 해당 유전자를 발현하는 세포의 비율(Fraction of cells)을 나타내며, 원의 색상 농도는 해당 그룹 내 평균 발현량(Mean expression)을 나타냅니다.

주요 관찰 결과는 다음과 같습니다:

Biological Interpretation

섬유아세포(Fibroblast)는 유방암 미세환경(Tumor Microenvironment, TME)의 핵심 구성 요소인 암 관련 섬유아세포(Cancer-Associated Fibroblasts, CAFs)로서, 암 성장, 전이, 약물 내성, 면역 억제 등 다양한 암 진행 과정에 깊이 관여합니다. 유방암 아형에 따라 섬유아세포의 활성화 상태와 기능적 특성이 달라지므로, 아형 특이적인 표면 마커를 식별하는 것은 질병의 생물학적 이해를 높이고 새로운 치료 전략을 개발하는 데 중요합니다.

TNBC 특이적 섬유아세포 마커:

ER+/HER2+ 관련 섬유아세포 마커:

이러한 조건별 특이적 마커들은 유방암 아형에 따라 섬유아세포가 다른 기능적 역할을 수행하며, 각기 다른 방식으로 종양 진행을 조절하고 있음을 시사합니다.

Clinical or Translational Implications

유방암 아형별 섬유아세포 표면 마커의 식별은 다음과 같은 임상적 또는 중개적 의미를 가집니다:

  1. 표적 치료제 개발: 섬유아세포는 항암 치료에 대한 종양의 반응에 중요한 영향을 미치므로, 이러한 아형 특이적 표면 마커들은 CAFs를 직접적으로 표적하는 새로운 치료 전략 개발을 위한 유망한 후보가 될 수 있습니다. 예를 들어, TNBC에서 높게 발현되는 SDC1, CD44, CD248은 항체-약물 접합체(Antibody-Drug Conjugates, ADCs) 또는 CAR-T 세포 치료의 표적으로 활용될 가능성이 있습니다.
  2. 진단 및 예후 바이오마커: 유방암 아형별로 특이하게 발현되는 섬유아세포 표면 마커는 액체 생검(liquid biopsy) 또는 조직 생검을 통해 환자의 질병 진행 상태나 치료 반응을 예측하는 진단 및 예후 바이오마커로 활용될 수 있습니다.
  3. 약물 내성 극복: CAFs는 종종 암세포의 약물 내성을 유도합니다. 특정 아형의 CAFs를 표적함으로써, 기존 항암제의 내성을 극복하고 치료 효과를 향상시킬 수 있는 병용 요법 개발의 기반이 될 수 있습니다.
  4. 세포 표면 분석: 이러한 표면 마커들은 유세포 분석(flow cytometry)이나 면역조직화학(immunohistochemistry)을 통해 임상 샘플에서 특정 CAF 아형을 식별하고 정량화하는 데 활용될 수 있어, 환자의 TME 특성을 더욱 정밀하게 파악하는 데 기여할 수 있습니다.

본 분석에서 확인된 마커들은 유방암 아형별 섬유아세포의 이질성을 이해하고, 궁극적으로 환자 맞춤형 치료법 개발을 위한 중요한 정보를 제공합니다.

19. T cell CD4+ 조건별 표면 마커 분석 결과

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱 데이터를 기반으로 유방암 하위 유형(ER+, HER2+, TNBC)에 따라 CD4+ T 세포에서 특이적으로 발현되는 표면 마커 유전자를 식별하기 위해 수행되었습니다. plot_markers_and_expression_dot 도구를 사용하여 각 조건별 CD4+ T 세포의 표면 마커 발현 수준과 발현 세포 비율을 점(dot) 형태로 시각화했습니다. 이 결과는 각 유방암 환경에서 CD4+ T 세포의 표현형과 잠재적 기능을 이해하는 데 중요한 통찰력을 제공하며, 진단 바이오마커 또는 치료 표적으로서의 가능성을 제시합니다.

Visual Summary

도트 플롯은 각 샘플(Y축)에 대한 CD4+ T 세포의 표면 마커 유전자(X축) 발현을 보여줍니다. 점의 크기는 해당 유전자를 발현하는 세포의 비율(%)을 나타내고, 점의 색상 농도(빨간색)는 해당 유전자의 평균 발현 수준을 나타냅니다. 플롯의 오른쪽 막대 그래프는 각 샘플에서 분석된 T cell CD4+ 세포의 수를 나타냅니다.

주요 관찰은 다음과 같습니다.

전반적으로 TNBC 조건에서 CD4+ T 세포의 표면 마커 발현 패턴이 가장 독특하고 풍부하며, 이는 TNBC 미세환경 내 CD4+ T 세포의 특이적인 활성화, 기능 상태 또는 조절 메커니즘을 시사합니다.

Biological Interpretation

CD4+ T 세포는 면역 반응을 조절하는 핵심 세포이며, 그들의 표면 마커는 세포의 정체성, 활성화 상태, 이동 능력, 그리고 다른 세포와의 상호작용 방식을 반영합니다. 유방암의 각 하위 유형에서 관찰된 조건 특이적 마커는 해당 종양 미세환경(TME) 내 CD4+ T 세포의 이질적인 역할을 시사합니다.

ER+ TME의 CD4+ T 세포:

HER2+ TME의 CD4+ T 세포:

Clinical or Translational Implications

이 분석 결과는 유방암 하위 유형에 따른 CD4+ T 세포의 표면 마커 발현 이질성을 명확히 보여주며, 이는 몇 가지 중요한 임상적 및 번역 연구적 함의를 가집니다.

  1. 진단 및 예후 바이오마커: 특정 유방암 아형에서 특이적으로 발현되는 CD4+ T 세포 표면 마커는 해당 아형의 진단 보조 마커 또는 질병 진행 및 치료 반응에 대한 예후 마커로 활용될 수 있습니다. 특히 TNBC에서 관찰된 풍부한 마커 패널은 TNBC의 면역학적 특성을 이해하고 환자 예후를 예측하는 데 기여할 수 있습니다.
  2. 치료 표적 발굴: 표면 마커는 약물 전달, 항체 치료, 또는 CAR-T 세포 치료와 같은 세포 기반 치료법의 이상적인 표적이 됩니다.
  1. 면역 치료 반응 예측 및 최적화: 각 유방암 아형에서 CD4+ T 세포의 고유한 표현형은 환자의 면역 치료 반응을 예측하고 개인 맞춤형 치료 전략을 수립하는 데 활용될 수 있습니다. 예를 들어, TNBC 환자의 TME에서 특정 CD4+ T 세포 하위 집단의 높은 발현은 특정 면역 치료제에 대한 반응성을 시사할 수 있습니다.
  2. 추가 검증의 필요성: 이 분석에서 식별된 마커들은 유세포 분석(flow cytometry)이나 면역조직화학(immunohistochemistry)과 같은 기술을 통해 단백질 수준에서 발현을 검증하고, 생체 외(in vitro) 및 생체 내(in vivo) 기능 연구를 통해 그들의 생물학적 중요성과 치료적 잠재력을 더욱 탐구해야 합니다.

이 결과는 유방암 아형별 CD4+ T 세포의 면역학적 특성화를 위한 중요한 단초를 제공하며, 보다 효과적인 면역 치료 전략 개발에 기여할 수 있을 것입니다.

20. 유방암 상피세포의 세포 주기 관련 유전자 발현량 조건별 비교 분석

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 유방 조직 내 상피세포(Epithelial cell)에서 세포 주기(Cell cycle) 관련 유전자들의 발현량이 정상(Normal) 조직 및 유방암 아형(ER+, HER2+, TNBC) 간에 통계적으로 유의미한 차이를 보이는지 비교한 결과입니다. plot_box_for_gene_expression_with_signif_difference 도구를 사용하여, 사전에 정의된 세포 주기 관련 유전자 목록에서 조건 간 발현 차이가 통계적으로 유의미한(p-value < 0.1, log2_FC > 0.1 또는 < -0.1) 상위 24개 유전자를 선별하여 박스플롯으로 시각화했습니다. 각 플롯은 조건별 유전자 발현량(sample mean) 분포를 보여주며, 쌍별 비교에 대한 p-value가 함께 제시됩니다.

시각적 요약

제공된 박스플롯들은 유방암 상피세포에서 세포 주기 관련 유전자들의 발현 패턴이 정상 상피세포와 비교하여 현저하게 다르다는 것을 보여줍니다.

  1. 전반적인 하향 조절 경향: 선별된 24개 유전자 중 상당수는 ER+, HER2+, TNBC를 포함한 모든 유방암 아형에서 정상 상피세포에 비해 발현량이 유의하게 낮은 경향을 보입니다. 이는 특히 CCND3, CUL1, E2F4, YWHAE, GADD45G, SMC3, SMAD3, RB1, CDK6, CDK7, CCNH, CDKN1A, GADD45B, YWHAH, E2F3, SFN, MYC, HDAC2 등 광범위한 유전자에서 관찰됩니다. 이러한 유전자들은 세포 주기 진행을 억제하거나 DNA 손상 반응에 관여하는 유전자들이 많습니다.
  2. CDKN2A의 특이한 패턴: CDKN2A는 TNBC 아형에서 정상, ER+, HER2+에 비해 유의하게 높은 발현량을 보입니다. 이는 다른 유전자들과 대조되는 패턴입니다.
  3. ANAPC11 및 CDC26의 부분적 상향 조절: Anaphase-Promoting Complex (APC/C)의 구성 요소인 ANAPC11과 CDC26은 HER2+ 아형에서 정상에 비해 유의하게 높은 발현량을 나타내는 경향을 보입니다.
  4. MYC의 예상치 못한 하향 조절: 종양 유전자(oncogene)로 알려진 MYC가 ER+ 및 HER2+ 유방암 상피세포에서 정상 세포에 비해 유의하게 낮은 발현을 보인다는 점은 주목할 만합니다.

생물학적 해석

제시된 결과는 유방암 상피세포에서 세포 주기 조절의 복잡하고 아형별로 상이한 변화를 시사합니다.

  1. 세포 주기 억제 메커니즘의 약화:
  1. TNBC 특이적 CDKN2A (p16INK4a) 상향 조절: CDKN2A는 CDK4/6을 억제하여 G1기 진행을 막는 중요한 종양 억제 유전자입니다. 많은 암에서 CDKN2A는 불활성화되지만, TNBC에서 유의하게 높은 발현을 보이는 것은 흥미롭습니다. 이는 고도의 증식 압력이나 다른 발암성 신호에 대한 반응으로 세포 노화(cellular senescence) 또는 성장 정지 신호가 유도되고 있음을 나타낼 수 있습니다. 이는 TNBC의 공격적인 특성에도 불구하고 특정 브레이크 메커니즘이 활성화되어 있음을 시사하며, 복잡한 종양 생물학을 반영합니다 [GeneCards CDKN2A: ].
  2. MYC의 예상치 못한 하향 조절: MYC는 세포 성장, 증식, 사멸에 관여하는 핵심 종양 유전자이며, 일반적으로 많은 암에서 상향 조절됩니다. 그러나 본 분석에서 ER+ 및 HER2+ 유방암 상피세포에서 MYC 발현이 정상 상피세포보다 낮은 것으로 나타난 점은 면밀한 추가 조사가 필요합니다.

임상적 또는 번역적 함의

  1. 질병 특이적 기전 이해: 유방암 아형별로 세포 주기 조절 유전자들의 발현 패턴이 다르다는 점은 각 아형의 독특한 발병 및 진행 기전을 이해하는 데 중요한 단서를 제공합니다. 특히 종양 억제 유전자들의 광범위한 하향 조절은 암세포가 세포 주기 통제를 회피하는 핵심 경로를 지목합니다.
  2. CDKN2A의 잠재적 바이오마커: TNBC에서 CDKN2A의 유의미한 상향 조절은 이 유전자가 TNBC의 특정 세포 상태 또는 예후를 나타내는 바이오마커로 활용될 가능성을 시사합니다. 또한, 이는 CDKN2A 경로를 표적으로 하는 치료 전략의 가능성을 탐색할 여지를 제공합니다.
  3. 치료 반응 예측 및 표적 치료 전략: 세포 주기 조절 유전자들의 발현 변화는 유방암 치료에 사용되는 CDK4/6 억제제와 같은 세포 주기 표적 치료제의 반응을 예측하거나, 새로운 치료 표적을 발굴하는 데 활용될 수 있습니다. 예를 들어, CDK6의 발현 변화는 CDK4/6 억제제에 대한 민감도에 영향을 미칠 수 있습니다.
  4. MYC 발현의 추가 연구 필요성: MYC의 발현 양상은 예상과 달랐으므로, 암세포 내 MYC의 역할 및 조절 메커니즘에 대한 추가적인 연구가 필요하며, 이는 유방암 생물학에 대한 우리의 이해를 심화하고 새로운 치료 접근법을 모색하는 데 기여할 수 있습니다. MYC 단백질 발현 수준, 활성, 또는 다른 공동 작용 인자(co-factors)와의 상호작용 등을 분석하여 이 결과를 보완할 수 있습니다.

21. 유방 상피세포의 조건별 유전자 온톨로지(GSA) 분석 결과

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 유방 조직의 상피세포(Epithelial cell)에서 각 조건(Diploid, ER+, HER2+, Normal, TNBC)과 다른 모든 조건을 비교했을 때 상향 조절되는 유전자 온톨로지(Gene Ontology, GO) 경로 및 질병 관련 용어를 확인하기 위해 수행되었습니다. GSA(Gene Set Analysis)는 특정 유전자 세트가 통계적으로 유의하게 농축되어 있는지 평가하여 해당 세포 유형의 기능적 특징을 파악합니다. 각 막대 그래프는 특정 조건에서 다른 조건 대비 상위 60개(params n_pws_to_show=60)의 유의미하게 활성화된 용어를 -log(p-value) 및 -log(q-value) 값과 함께 보여줍니다.

Visual Summary

제공된 다섯 가지 막대 그래프는 각각 Diploid, ER+, HER2+, Normal, TNBC 조건에서 상피세포의 주요 활성 GO 용어들을 시각화하고 있습니다.

  1. Diploid_vs_others (이배체 상피세포):
  1. ER+_vs_others (에스트로겐 수용체 양성 상피세포):
  1. HER2+_vs_others (HER2 양성 상피세포):
  1. Normal_vs_others (정상 상피세포):
  1. TNBC_vs_others (삼중음성 유방암 상피세포):

Biological Interpretation

이 분석 결과는 유방 상피세포가 암 유형(ER+, HER2+, TNBC)에 따라, 그리고 정상 및 이배체 상태에 따라 뚜렷하게 다른 기능적 특성을 가짐을 시사합니다.

Clinical or Translational Implications

22. 유방암 아형 및 다양한 세포 유형별 유전자 세트 농축 분석 (GSEA) 결과

Report figure

[Analysis Visualization Results]...

Analysis Overview

제공된 분석 결과는 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 기반으로 한 유전자 세트 농축 분석(Gene Set Enrichment Analysis, GSEA)의 닷 플롯입니다. 이 분석은 B cell, Endothelial cell, Epithelial cell, Fibroblast, ILC, Macrophage, Plasma cell, Smooth muscle cell, T cell CD4+, T cell CD8+ 등 10가지 주요 세포 유형에 대해 수행되었습니다. 각 세포 유형은 ER+, HER2+, Normal, TNBC와 같은 유방암 조건 또는 이배체(Diploid)와 같은 이수성(ploidy) 상태에서 "나머지" 조건과 비교되어 유전자 세트 활성화 또는 억제 패턴을 탐색했습니다. 이 결과는 유방암 미세환경 내 각 세포 유형의 기능적 변화와 특정 아형에 따른 생물학적 특징을 이해하는 데 중요한 통찰력을 제공합니다.

Visual Summary

제시된 닷 플롯은 X축에 세포 유형 및 조건 조합(예: "B cell: ER+_vs_others"), Y축에 상위 80개의 농축된 유전자 세트(경로)를 보여줍니다.

Biological Interpretation

  1. 상피세포(Epithelial cell)의 아형별 특징:
  1. 종양 미세환경(Tumor Microenvironment, TME) 세포의 기능적 변화:
  1. 핵심 경로의 중요성:

Clinical or Translational Implications

23. Discussion

제공된 단일 세포 RNA 시퀀싱 데이터를 기반으로 한 분석 결과는 유방암의 ER+, HER2+, TNBC 아형과 정상 유방 조직 간의 뚜렷한 세포 구성, 유전체적 변이, 세포-세포 상호작용 및 기능적 경로의 차이를 명확히 보여준다. 이러한 이질성은 유방암 발병 및 진행의 복잡한 기전을 시사하며, 각 아형에 대한 맞춤형 진단 및 치료 전략 개발의 중요성을 강조한다.

유전체 불안정성 및 종양 세포의 특징: UMAP 시각화는 정상 세포와 암세포 집단이 명확히 분리되며, 특히 이수성(Aneuploid) 세포가 종양 기원 상피세포(Epithelial cell) 클러스터와 강력하게 일치함을 보여준다. 이는 유방암 세포가 유전체적으로 불안정하다는 핵심적인 특징을 CNV 수준에서 입증한다. CNV 히트맵 분석에서는 HER2+ 유방암 샘플에서 ERBB2 유전자가 위치한 17q12 영역의 강력하고 일관된 증폭이 관찰되어 이 아형의 정의적 분자 특징을 재확인하였다. 또한 8q22.1:8q24.3 영역(EIF3E, INTS8 포함)과 같은 다른 반복적인 증폭 영역들은 유방암 전반에 걸친 잠재적 드라이버 유전자를 시사한다. 흥미롭게도 'unassigned' 세포 집단 내에서도 상당한 CNV 패턴이 관찰되어, 이들이 미분화된 악성 세포이거나 종양 미세환경 내에서 유전체 변화를 겪은 세포일 가능성을 제기한다.

세포 집단 동태 및 미세환경 재편성: 정상 유방 조직은 높은 비율의 'unassigned' 세포, 상피세포 및 평활근세포를 특징으로 하며, 림프구 중에서는 선천성 림프구(ILCs) 및 NK 세포가 우세하다. 반면, 모든 유방암 아형에서는 상피세포의 증식과 함께 면역 및 기질 세포의 현저한 침윤이 관찰된다. 특히 TNBC는 T 세포, 대식세포, B 세포 및 형질세포 등 다양한 면역 세포 침윤이 가장 높은 '뜨거운 종양(hot tumor)'의 특성을 보인다. T 세포 하위 집단 분석 결과, 모든 암 아형에서 LTI(Lymphoid Tissue Inducer) 세포의 비율이 감소하고 Th1, Th2, Th17, Th22와 같은 적응 면역 T 세포의 비율이 증가했다. 특히 면역 억제에 중요한 조절 T 세포(Treg)는 ER+와 TNBC에서 유의하게 증가했으며, 세포독성 T 세포(Cytotoxic T cell)는 ER+와 HER2+에서 증가하는 경향을 보였다. 대식세포 하위 집단은 정상 조직에서 M2B 대식세포가 우세한 반면, 모든 암 아형에서는 M1 및 M2A 대식세포의 비율이 증가하고 M2B는 감소하는 양상을 보였다. ER+ 유방암에서는 특히 M2D 및 M2A 대식세포가 정상 대비 유의미하게 증가하여 면역억제 및 종양 진행 촉진 미세환경으로의 전환을 시사한다.

세포-세포 상호작용 및 면역 미세환경: 암 미세환경에서는 정상 조직에 비해 훨씬 활발하고 복합적인 세포-세포 상호작용(CCI) 네트워크가 형성된다. 이러한 상호작용은 주로 이수성 상피세포와 대식세포, 섬유아세포 간에 발생하며, 세포외 기질(ECM) 리모델링(인테그린 복합체), 면역 세포 모집(CXCL12-CXCR4), 종양 성장(IGF1-IGF1R), 침윤 및 전이(PLAU-PLAUR) 등 다양한 종양 진행 기전에 관여한다. 면역 관문(immune checkpoint) 관련 CCI 분석은 종양 미세환경 내 강력한 면역 억제 기전을 밝힌다. 특히 대식세포는 T 세포, 상피세포 등과 SIRPA-CD47('Don't eat me' 신호) 및 VSIR-HLA-E/F와 같은 광범위한 면역 관문 상호작용을 통해 T 세포 기능 억제 및 면역 회피에 핵심적인 역할을 한다.

전사체 재프로그래밍 및 경로 활성화: 유방암 상피세포는 모든 아형(ER+, HER2+, TNBC)에서 산화적 인산화(Oxidative phosphorylation), 소포체 내 단백질 처리(Protein processing in endoplasmic reticulum), 리보솜(Ribosome) 기능과 같은 높은 에너지 및 단백질 합성 요구량과 관련된 경로가 상향 조절된다. 흥미롭게도 '신경 퇴행성 질환 경로(Pathways of neurodegeneration)'가 공통적으로 농축되는데, 이는 암세포에서 단백질 항상성 교란 및 세포 스트레스 반응과 관련된 보편적인 기전이 활성화되었음을 반영할 수 있다. 세포 주기 관련 유전자 발현 분석에서는 RB1, CDKN1A, SFN과 같은 핵심 종양 억제 유전자들이 유방암 상피세포에서 전반적으로 하향 조절되어 무제한적인 증식을 가능하게 한다. 반면 TNBC에서는 CDKN2A가 유의미하게 상향 조절되어 복잡한 세포 노화 또는 성장 정지 신호의 활성화를 시사한다. MYC의 예상치 못한 하향 조절은 추가적인 조사가 필요하다. 종양 미세환경 내 섬유아세포와 대식세포 역시 PI3K-Akt 신호전달, Wnt 신호전달, 산화적 인산화 등 암 진행에 기여하는 경로들을 활성화하여 종양 세포를 적극적으로 지원한다.

세포 표면 마커의 아형별 특이성: 각 세포 유형 및 유방암 아형별로 특징적인 표면 마커들이 식별되었다. ER+ 상피세포는 ESR1, MUC1, ERBB3 등을, TNBC 상피세포는 NECTIN4, LY6K 등을 발현한다. TNBC 관련 섬유아세포는 SDC1, CD44, CD248과 같은 마커를 높게 발현하여 CAF의 아형 특이성을 보여준다. TNBC의 CD4+ T 세포는 CTLA4, ICOS, CXCR3, ITGAE, CD47 등 다양한 면역 조절 마커를 발현하며, 이는 활발하면서도 복합적으로 조절되는 면역 반응을 시사한다. 이러한 표면 마커들은 각 아형의 진단 및 표적 치료 전략 개발에 중요한 단서를 제공한다.

가설:

  1. 유방암 종양 세포의 유전체 불안정성(이수성 및 특정 CNV)은 아형별 특징적인 세포-세포 상호작용 및 면역 회피 기전을 직접적으로 유도하며, 이는 종양의 공격성 및 전이 잠재력과 밀접하게 연관될 것이다.
  2. TNBC 미세환경 내 높은 면역 세포 침윤에도 불구하고, 대식세포 및 T 세포가 관여하는 면역 관문 상호작용(예: SIRPA-CD47, VSIR-HLA-E/F, CTLA4-CD86)과 조절 T 세포(Treg)의 증가는 항종양 면역 반응을 효과적으로 억제하여 TNBC의 공격적인 특성에 기여할 것이다.
  3. 각 유방암 아형의 종양 관련 섬유아세포(CAFs) 및 대식세포(TAMs)는 아형 특이적 표면 마커(예: TNBC CAFs의 SDC1, CD44, CD248) 발현 및 신호 경로(예: PI3K-Akt, Wnt, 산화적 인산화) 활성화를 통해 종양 성장을 촉진하고 면역 억제 미세환경을 적극적으로 조절할 것이다.
  4. 유방암 상피세포에서 공통적으로 관찰되는 대사 재프로그래밍(산화적 인산화) 및 단백질 항상성 스트레스 반응(소포체 단백질 처리, 신경 퇴행성 질환 경로)은 각 아형별 독특한 방식으로 세포 주기 조절 이상과 결합하여 암세포의 생존 및 증식에 필수적인 적응 메커니즘으로 작용할 것이다.

잠재적 치료 표적:

  1. ERBB2 (HER2): ERBB2 유전자 증폭은 HER2+ 유방암의 정의적 발암 드라이버이며, 세포 증식 및 생존을 촉진하는 핵심 인자이다. Evidence: CNV 분석(섹션 4)에서 HER2+ 유방암 샘플에서 ERBB2가 위치한 17q12 영역의 강력하고 반복적인 증폭이 확인되었다. GSEA(섹션 22)에서는 HER2+ 상피세포에서 ERBB2의 하위 경로인 PI3K-Akt 신호전달 경로가 농축되어 있었다. Validation: 트라스투주맙(Trastuzumab)과 같은 기존 항-HER2 치료제의 임상적 유효성은 이미 확립되어 있다. 새로운 전략의 경우, 세포주 또는 환자 유래 이종이식(PDX) 모델에서 하위 경로를 표적하거나 내성 기전을 극복하는 치료법을 평가할 수 있다.
  2. NECTIN4: NECTIN4는 삼중음성유방암(TNBC) 상피세포 표면에 고도로 발현되는 세포 접착 분자로, 종양 진행에 관여하며 항체-약물 접합체(ADCs)와 같은 표적 치료를 위한 유망한 후보이다. Evidence: 상피세포의 조건별 표면 마커 분석(섹션 16)에서 TNBC 상피세포에서 NECTIN4가 유의미하게 높고 특이적으로 발현되는 것이 확인되었다. Validation: TNBC 세포주, 오가노이드, 또는 PDX 모델에서 NECTIN4를 표적하는 ADCs 또는 항체의 항종양 효능, 안전성 및 잠재적 내성 기전을 평가하는 전임상 연구를 수행한다.
  3. CXCR4: CXCL12-CXCR4 축은 종양 미세환경 내 면역 세포 모집, 종양 세포 성장, 이동 및 전이에 핵심적인 케모카인 신호전달 경로로, 특히 TNBC에서 활발하게 관찰된다. Evidence: 세포-세포 상호작용(CCI) 분석(섹션 12, 13)에서 TNBC 미세환경 내 이수성 상피세포, 섬유아세포, 대식세포를 포함하는 세포들 간에 강력한 CXCL12-CXCR4 상호작용이 나타났다. Validation: 전임상 TNBC 모델에서 CXCR4 길항제(예: Plerixafor)를 단독 또는 화학요법, 면역요법과 병용하여 종양 진행, 면역 세포 침윤 및 전이 억제 효과를 평가한다.
  4. CD47: CD47은 SIRPA와 결합하여 '나를 먹지 마(don't eat me)' 신호를 전달함으로써 종양 세포와 기질 세포가 대식세포의 포식 작용을 회피하게 하는 주요 면역 회피 기전이다. Evidence: 면역 관문 관련 CCI 분석(섹션 14)에서 모든 유방암 아형(ER+, HER2+, TNBC)에서 대식세포와 이수성 상피세포 간, 그리고 대식세포 간에 강력한 SIRPA-CD47 상호작용이 관찰되었다. 섬유아세포 표면 마커 분석(섹션 18)에서도 ER+/HER2+ 섬유아세포에서 CD47 발현이 확인되었다. Validation: 시험관 내 및 생체 내 유방암 모델에서 CD47 차단 항체(예: 항-CD47 또는 항-SIRPA 항체)의 효능을 평가하여 대식세포의 항종양 활성 회복 및 면역항암요법과의 병용 가능성을 탐색한다.
  5. PI3K 또는 Akt (PI3K-Akt 경로 구성요소): PI3K-Akt 신호전달 경로는 세포 성장, 증식, 생존 및 대사를 조절하는 핵심적인 경로로, 유방암의 다양한 아형과 종양 미세환경 내 여러 세포 유형에서 광범위하게 활성화되어 있다. Evidence: 유전자 온톨로지(GSA, 섹션 21) 및 유전자 세트 농축 분석(GSEA, 섹션 22)에서 ER+, HER2+, TNBC 상피세포, HER2+ 혈관내피세포, HER2+/TNBC 대식세포 등 다양한 세포 유형에서 PI3K-Akt 신호전달 경로의 지속적인 농축이 확인되었다. Validation: 다양한 유방암 아형 모델에서 PI3K 또는 Akt 저해제를 단독 또는 다른 표준 치료제 및 표적 치료제와 병용하여 항종양 효과와 경로 활성 억제 효과를 평가하는 전임상 연구를 수행한다.

후속 검증 아이디어:

  1. 반복적으로 나타나는 CNV(예: HER2+, 8q 증폭)를 FISH 또는 표적 염기서열 분석을 통해 더 큰 유방암 코호트에서 검증하고, 이를 임상 결과와 연관시켜 진단 및 예후적 가치를 평가한다.
  2. 유방암 조직 및 정상 대조군에서 유세포 분석 또는 면역조직화학 염색을 사용하여 T 세포(Treg, Cytotoxic T cell, Th 아형) 및 대식세포(M1, M2A-D 아형)의 아형별 분포와 식별된 표면 마커(예: NECTIN4, LY6K, SDC1, CD47, CTLA4, GITR) 발현을 정량화하고 그 아형별 차이를 확인한다.
  3. 식별된 주요 세포-세포 상호작용(예: CXCL12-CXCR4, 인테그린-ECM)의 미세환경적 맥락을 이해하기 위해 공간 전사체(Spatial transcriptomics) 또는 공간 프로테옴(Spatial proteomics) 분석을 수행하여 특정 세포 아형의 공간적 위치와 상호작용 패턴을 시각화한다.
  4. 3D 오가노이드 모델 또는 환자 유래 이종이식(PDX) 모델을 활용한 기능 연구를 통해 핵심 리간드-수용체 상호작용(예: CXCR4, 인테그린, CD47) 또는 경로 활성(예: PI3K-Akt, 산화적 인산화)을 조절하여 종양 성장, 침윤, 면역 회피에 미치는 영향을 평가한다.
  5. 독립적인 벌크(bulk) 또는 단일 세포 데이터셋에서 주요 차등 유전자 발현, 유전자 세트 농축, 유전자 온톨로지 분석 결과를 재현하여 결과의 일반화 가능성과 예후/예측적 가치를 확인한다.

제한점:

본 보고서의 해석은 단일 세포 RNA 시퀀싱 데이터의 전사체 수준 분석에 기반하므로, 유전자 발현이 단백질 수준의 활성 또는 기능과 항상 일치하지 않을 수 있다. CNV 추정치는 DNA 기반 분석에 비해 해상도 및 정확도에 한계가 있을 수 있으며, 세포-세포 상호작용 추론은 직접적인 물리적 접촉 및 기능적 결과를 확인하기 위한 실험적 검증을 필요로 한다. 또한, 일부 분석에서 아형별 샘플 수가 상대적으로 적어 통계적 유의성이나 결과의 일반화 가능성이 제한될 수 있으며, 'unassigned' 세포 집단에 대한 기능적 특성화가 부족하다는 한계점이 있다. 따라서 본 결과는 추가적인 실험적 검증을 통해 기능적 중요성과 인과 관계를 확립해야 한다.

24. 질의 목록

  1. 조건, 샘플, major 세포유형, minor 세포유형, ploidy_dec, celltype_subset을 포함한 UMAP을 2열로 보여주고 저장해.
  2. UMAP 상에 CD3D CD4 CD8A CD79A MS4A1 MZB1 CD14 LYZ FBLN1 NOTCH3 EPCAM MUC1 CD34 유전자들 발현량하고 minor celltype annotation도 같이 보여줘. ncols=4로 하고 저장해.
  3. 전체 Celltype_subset 마커 발현 dot plot을 보여주고 저장해. target_cell은 None으로 두고 다른 인수들도 기본값으로 유지해.
  4. 종양 기원 세포와 unassigned 세포 골라서 샘플별로 그룹핑해서 CNV heatmap을 보여주고 copy number가 유의하게 증폭된 영역들에 대한 summary도 같이 보여주고 저장해.
  5. CNV 패턴을 UMAP으로 보여줘. major 세포유형, minor 세포유형, ploidy 결과, 조건, 샘플 포함해서 2열로 보여주고 저장해.
  6. minor 세포타입들의 population bar plot 보여주고 저장해.
  7. T cell에 대한 subset population barplot으로 보여주고 저장해.
  8. 대식세포에 대한 subset population barplot으로 보여주고 저장해.
  9. T cell에 대한 subset population에서 조건간 유의하게 차이나는 것들이 있으면 boxplot으로 보여주고 저장해. ncols는 전체 panel 수 보고 적당히 정해줘.
  10. 대식세포 subset population에서 조건간 유의하게 차이나는 것들이 있으면 boxplot으로 보여주고 저장해. ncols는 전체 panel 수 보고 적당히 정해줘.
  11. 종양 기원 세포와 unassigned 세포 골라서 이들에 대한 ploidy population을 barplot으로 보여주고 저장해.
  12. 조건별로 Epithelial cell, Fibroblast, Macrophage, T cell CD4+, T cell CD8+를 포함하는 세포간 상호작용 패턴을 보여주고 저장해. 세포간 상호작용은 각 조건별로 최대 80개까지만 골라서.
  13. 조건별로 세포간 상호작용 보여주고 저장해. 세포간 상호작용은 각 조건별로 최대 80개까지만 골라서.
  14. immune checkpoint 경로와 cell cycle 경로 관련 유전자들만 골라서 이 유전자들에 대한 세포간 상호작용 보여주고 저장해.
  15. B cell, Endothelial cell, Epithelial cell, Fibroblast, ILC, Macrophage, Plasma cell, Smooth muscle cell, T cell CD4+, T cell CD8+에 대한 조건별 세포간 상호작용에서 통계적으로 유의하게 차이나는 것들을 찾아서 dot plot으로 보여주고 저장해. max_n_items_per_group = 25로 놓고
  16. 종양 기원 세포(Epithelial cell)의 조건별 마커들 dot-plot으로 보여주고 저장해. surfaceome 마커만 조건별로 50개까지.
  17. Macrophage의 조건별 마커들을 추출해서 dotplot으로 보여주고 저장해. surfaceome 마커만 조건별로 50개까지
  18. Fibroblast의 조건별 마커들을 추출해서 dotplot으로 보여주고 저장해. surfaceome 마커만 조건별로 50개까지
  19. T cell CD4+의 조건별 마커들을 추출해서 dotplot으로 보여주고 저장해. surfaceome 마커만 조건별로 50개까지
  20. Cell cycle 경로 관련 유전자 중 Epithelial cell에 대해 조건별로 발현량 차이가 통계적으로 유의하게 나는 것들을 골라서 boxplot 보여주고 저장해. max_n_items_to_plot = 24로 놓고, ncols는 전체 panel 수 보고 가로x세로 비율이 2x3정도 되게 적당히 정해줘.
  21. 상피세포에 대한 Gene ontology (GSA) 분석 결과 bar-plot으로 보여주고 저장해.
  22. B cell, Endothelial cell, Epithelial cell, Fibroblast, ILC, Macrophage, Plasma cell, Smooth muscle cell, T cell CD4+, T cell CD8+에 대한 Gene set enrichment analysis 결과 dotplot으로 보여주고 저장해. color map은 RdBu_r로 n_pws_to_show = 80으로 해주고..
↑ Top