SCODiA Report by MLBI Lab

췌장 선암(PDAC)의 세포 특성, 종양 미세 환경 재편성 및 잠재적 치료 표적 분석

본 보고서는 단일 세포 RNA 시퀀싱 데이터를 활용하여 췌장 선암(PDAC)과 인접 정상 조직 간의 세포 구성, 유전체 변이, 유전자 발현 및 세포-세포 상호작용의 심층적인 변화를 분석합니다. PDAC는 종양 기원 세포인 췌관 세포의 이수성 및 과도한 증식, 종양 미세 환경 내 면역 억제성 대식세포와 T 세포 기능 부전, 그리고 섬유화 및 혈관 신생 경로의 활성화를 특징으로 합니다. 이러한 변화는 췌장암의 진행과 치료 저항성에 기여하며, 여러 잠재적 치료 표적과 경로를 제시합니다.

Contents

  1. Dataset overview
  2. UMAP 기반 세포 유형, 조건, 샘플 및 이수성 분포 분석
  3. UMAP 기반 주요 마커 유전자 발현 및 세포 유형 확인 분석
  4. 전체 Celltype_subset 마커 발현 닷 플롯 분석
  5. 췌장암(PDAC)의 종양 기원 세포 및 미정형(unassigned) 세포에서 샘플별 체세포 카피 수 변이 (CNV) 분석
  6. CNV 기반 UMAP 시각화를 통한 세포 유형, 플로이드 및 조건별 패턴 분석
  7. 세포 타입별 군집 분포 분석
  8. T 세포 및 선천성 림프구(ILC) 아형의 개체군 분석 결과
  9. 췌장암(PDAC)에서의 대식세포(Macrophage) 아형 분포 변화 분석
  10. PDAC 조건에서 T 세포 및 ILC 하위 집단 비율 변화 분석
  11. 췌장암(PDAC)과 인접 정상 조직 간 Macrophage M2D 아형 비율 비교
  12. 췌장 선암(PDAC)의 종양 기원 세포 및 미분류 세포에서 이수성(Aneuploidy) 인구 분석
  13. PDAC 미세환경 내 주요 세포-세포 상호작용 패턴 분석
  14. 췌장암(PDAC) 조건에 따른 세포-세포 상호작용 분석
  15. 면역관문 및 세포 주기 관련 유전자들의 세포-세포 상호작용 분석
  16. 췌장암(PDAC) 조건별 세포간 상호작용 패턴 분석
  17. 췌장암(PDAC)의 종양 기원 세포(Ductal cell)에서 조건별 세포 표면 마커 분석
  18. Macrophage 조건별 표면 마커 분석
  19. T cell CD4+의 췌장암(PDAC) 관련 표면 마커 분석
  20. 췌장암 췌관 세포에서 세포 주기 관련 유전자 발현 변화 분석
  21. 췌관 세포 (Ductal Cell)의 유전자 온톨로지 (GSA) 분석 결과
  22. Ductal cell, Macrophage, T cell CD8+, Endothelial cell의 유전자 세트 농축 분석 (GSEA) 결과
  23. Discussion
  24. 질의 목록

0. Dataset overview

Dataset Summary

Precomputed Results

1. UMAP 기반 세포 유형, 조건, 샘플 및 이수성 분포 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

제공된 UMAP 시각화는 췌장 샘플에서 단일 세포 RNA 시퀀싱 데이터를 기반으로 한 31,245개의 세포에 대한 전사체 유사성 공간을 나타냅니다. 이 분석은 조건(Adj_normal 대 PDAC), 샘플, 주요 세포 유형(celltype_major), 하위 세포 유형(celltype_minor, celltype_subset), 그리고 이수성 상태(ploidy_dec)에 따라 세포가 어떻게 분포하고 응집되는지를 탐색합니다. UMAP은 차원 축소를 통해 유사한 전사체 프로파일을 가진 세포들을 가깝게 배치하여 세포 집단 간의 관계를 시각적으로 보여줍니다.

Visual Summary

제시된 6개의 UMAP 플롯은 데이터셋의 다양한 주석이 임베딩 공간에 어떻게 매핑되는지 보여줍니다.

Biological Interpretation

이 UMAP 분석은 췌장 조직, 특히 췌장암(PDAC)의 단일 세포 수준에서의 생물학적 특성을 이해하는 데 중요한 통찰력을 제공합니다.

  1. 조건별 전사체 재구성: Adj_normal과 PDAC 간의 명확한 분리는 췌장 선암종의 발달이 세포 유형 전반에 걸쳐 광범위한 전사체 변화를 유도함을 강력히 시사합니다. 이는 암 미세환경의 급진적인 변화를 반영하며, 종양 특이적 유전자 발현 패턴을 시각적으로 확인합니다.
  2. 세포 유형 동정의 견고성: celltype_major, celltype_minor, celltype_subset 주석 모두 UMAP 공간에서 응집력 있는 클러스터를 형성합니다. 이는 세포 유형 주석이 데이터의 실제 생물학적 변이를 정확하게 반영하며, 세포 집단 간의 전사체적 차이가 분명하다는 것을 나타냅니다. 이는 후속 분석(예: DEG, GSEA)의 신뢰도를 높입니다.
  3. PDAC 내 종양 세포 식별: Ductal cell은 주어진 데이터 컨텍스트에서 "종양 유래 세포 유형(Tumor origin celltype)"으로 명시되어 있습니다. ploidy_dec 플롯에서 Aneuploid 세포가 celltype_major 플롯의 Ductal cell 클러스터와 상당 부분 겹치며, 주로 PDAC 조건에 해당하는 영역에 집중되어 있는 점은 이러한 Aneuploid Ductal cell이 악성 종양 세포일 가능성이 매우 높음을 시사합니다. 염색체 이수성은 암의 특징적인 유전적 불안정성을 반영하는 지표입니다 .
  4. 암 미세환경의 복잡성: PDAC 영역이 Adj_normal 영역보다 UMAP 공간에서 더 넓고 다양한 클러스터로 퍼져있는 것은 췌장암 미세환경의 높은 이질성을 반영합니다. 여기에는 종양 세포뿐만 아니라 변화된 면역 세포(Macrophage, T cell, NK cell), 기질 세포(Fibroblast, Stellate cell, Endothelial cell) 등의 침윤 및 활성화가 포함될 수 있습니다. 다양한 Macrophage 및 T cell 하위 집합의 존재는 췌장암의 면역 미세환경이 복잡하고, 면역억제 또는 면역활성화 상태의 미묘한 균형을 포함할 수 있음을 나타냅니다.
  5. 샘플 간의 공유 및 고유 특성: PDAC 샘플들이 UMAP 공간에서 혼합되어 분포하는 것은 여러 환자 샘플에서 공유되는 핵심적인 암 관련 생물학적 특징이 있음을 시사합니다. 동시에 특정 PDAC 샘플이 특정 클러스터에 농축되어 있는 것은 환자 간의 종양 이질성(inter-patient heterogeneity)이 존재하며, 이는 PDAC의 다양한 임상 양상에 기여할 수 있습니다.

Clinical or Translational Implications

2. UMAP 기반 주요 마커 유전자 발현 및 세포 유형 확인 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA-seq 데이터에서 얻은 AnnData 객체를 사용하여 UMAP (Uniform Manifold Approximation and Projection) 시각화를 통해 주요 세포 유형 마커 유전자들의 발현 패턴을 확인하고, 기존 celltype_minor 어노테이션의 품질과 세포 정체성을 평가합니다. 주어진 유전자들(CD3D, CD4, CD8A, CD79A, MS4A1, MZB1, CD14, LYZ, FBLN1, NOTCH3, EPCAM, MUC1, CD34)의 발현량과 celltype_minor 어노테이션이 UMAP 공간에 함께 시각화되어 있습니다.

Visual Summary

제공된 UMAP 시각화는 31,245개의 췌장 세포를 2차원 공간에 투영하여 각 세포의 유전자 발현 유사성에 따라 군집화된 모습을 보여줍니다. 마지막 패널의 celltype_minor 어노테이션은 다양한 세포 유형이 UMAP 공간 내에서 명확하게 구분된 클러스터를 형성하고 있음을 보여줍니다. 각 마커 유전자의 발현 패턴은 celltype_minor 맵과 비교하여 다음과 같은 주요 특징을 나타냅니다.

T 세포 마커 (CD3D, CD4, CD8A):

B 세포 및 형질 세포 마커 (CD79A, MS4A1, MZB1):

골수성 세포 마커 (CD14, LYZ):

기질 세포 마커 (FBLN1, NOTCH3):

상피 세포 마커 (EPCAM, MUC1):

내피 세포 마커 (CD34):

전반적으로, 각 유전자 마커는 해당 celltype_minor 어노테이션과 일관된 발현 패턴을 보이며, UMAP 상에서 명확하게 구분되는 클러스터를 형성하고 있습니다.

Biological Interpretation

이 시각화는 췌장 단일 세포 데이터셋에서 celltype_minor 어노테이션의 생물학적 타당성을 강력하게 지지합니다. 각 마커 유전자의 발현 패턴은 해당 세포 유형의 정체성과 잘 일치하며, UMAP 공간에서 세포들이 생물학적으로 의미 있는 방식으로 군집화되어 있음을 보여줍니다.

이러한 결과는 췌장 조직의 세포 구성이 celltype_minor 어노테이션을 통해 신뢰할 수 있게 식별되었음을 보여주며, 향후 PDAC (Pancreatic Ductal Adenocarcinoma)와 같은 질병 맥락에서 세포 유형별 변화를 분석하는 데 견고한 기반을 제공합니다.

Annotation Notes

제시된 UMAP 플롯과 마커 유전자 발현 패턴은 celltype_minor 어노테이션이 전반적으로 고품질임을 보여줍니다.

이러한 검증은 후속 분석(예: DEG, GSEA, CCI)에서 각 세포 유형에 대한 결과가 신뢰할 수 있음을 시사합니다. 향후 연구에서는 unassigned된 세포나 마커 발현이 다소 분산되어 나타나는 일부 작은 클러스터에 대해 추가적인 검증이나 세분화가 필요할 수 있습니다.

3. 전체 Celltype_subset 마커 발현 닷 플롯 분석

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 사용하여 췌장 조직 내에서 식별된 모든 celltype_subset 그룹에 대한 마커 유전자 발현 패턴을 시각화한 결과입니다. plot_markers_and_expression_dot 도구를 사용하여 각 세포 유형 하위 집합에서 특이적으로 발현되는 유전자 마커를 식별하고 그 발현 수준 및 발현 세포 비율을 닷 플롯으로 나타냈습니다. 이 결과는 celltype_subset 주석의 품질을 검증하고 각 세포 유형의 분자적 정체성을 확인하는 데 중점을 둡니다.

시각적 요약

제공된 닷 플롯은 행에 celltype_subset 그룹을, 열에 해당 마커 유전자들을 표시합니다. 각 원의 크기는 해당 유전자를 발현하는 그룹 내 세포의 비율을 나타내고, 색상의 강도는 그룹 내 평균 발현 수준을 나타냅니다 (짙은 빨간색일수록 발현 수준이 높음).

생물학적 해석

각 celltype_subset 그룹의 마커 유전자 발현 패턴은 기존의 생물학적 지식과 일치하며, 이는 세포 주석의 높은 신뢰도를 뒷받침합니다. 주요 세포 유형별 해석은 다음과 같습니다.

주석 관련 참고 사항

전반적으로, 이 마커 발현 닷 플롯은 췌장 단일 세포 데이터 세트 내의 celltype_subset 주석이 견고하고 생물학적으로 의미 있는 분자적 특징을 기반으로 함을 시사합니다.

4. 췌장암(PDAC)의 종양 기원 세포 및 미정형(unassigned) 세포에서 샘플별 체세포 카피 수 변이 (CNV) 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA 시퀀싱 데이터를 기반으로 얻은 AnnData를 활용하여, 췌장암(PDAC)의 종양 기원 세포(Tumor origin celltype)로 정의된 Ductal cell과 세포 유형이 결정되지 않은 unassigned 세포 집단에 대한 샘플별 카피 수 변이(CNV) 패턴을 시각화하고 요약합니다. 이 분석은 Adj_normal (정상 인접 조직)과 PDAC (췌장 선암) 조건 간의 CNV 패턴 차이를 식별하고, 각 샘플 내에서 유의하게 증폭된 유전체 영역을 특정하는 데 중점을 둡니다. CNV는 obsm['X_cnv']에 저장된 log2(CNR) (Copy Number Ratio) 값을 기반으로 추정되었습니다.

Visual Summary

1. CNV 히트맵 (log2(CNR))

2. 유의하게 증폭된 영역 요약

Biological Interpretation

Clinical or Translational Implications

5. CNV 기반 UMAP 시각화를 통한 세포 유형, 플로이드 및 조건별 패턴 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

제공된 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터에서 추정된 CNV(Copy Number Variation) 패턴을 기반으로 UMAP(Uniform Manifold Approximation and Projection) 시각화를 수행했습니다. 이 분석은 세포 유형(주요/미세), 플로이드(Aneuploid/Diploid), 조건(Adj_normal/PDAC) 및 샘플별로 CNV 기반 UMAP 공간에서 세포들이 어떻게 분포하고 군집화되는지 확인하여 각 세포 집단의 유전적 변이 특성을 이해하는 데 중점을 둡니다. 특히, 종양 세포의 유전적 이질성과 종양 미세환경 내 세포들의 특징을 파악하고자 합니다.

Visual Summary

세포 유형(celltype_major, celltype_minor) 플롯

플로이드(ploidy_dec) 플롯

조건(condition) 플롯

샘플(sample) 플롯

Biological Interpretation

이 CNV 기반 UMAP 분석 결과는 췌장선암(PDAC)의 핵심 생물학적 특징을 명확하게 보여줍니다.

  1. 종양 세포의 이수성과 CNV 다양성: Ductal cell로 주석된 세포들이 Aneuploid 세포 집단과 강력하게 연관되어 CNV UMAP 공간에서 명확히 분리되는 것은 PDAC 종양 세포가 복잡한 CNV를 획득하고 이수성(aneuploidy)을 보이는 유전적 불안정성을 가지고 있음을 재확인시켜 줍니다. 이러한 이수성은 암 발병 및 진행의 주요 동인 중 하나입니다. (참고: Cancer Genome Atlas Research Network. Comprehensive genomic characterization of pancreatic adenocarcinoma. Cancer Cell. 2017;32(2):185-203.e13. )
  2. 종양 미세환경과의 구분: 종양 유래 세포가 아닌 다른 세포 유형들(예: T cell, Macrophage, Fibroblast, Endothelial cell 등)은 대부분 Diploid 상태이며, UMAP 상에서 종양 Ductal cell 및 Aneuploid 군집과는 뚜렷하게 분리된 영역을 형성합니다. 이는 종양 미세환경(Tumor Microenvironment, TME)을 구성하는 비종양성 세포들이 일반적으로 안정적인 유전체(genome)를 유지하고 있음을 시사하며, CNV 기반의 분류가 종양 세포와 비종양성 세포를 효과적으로 구분할 수 있음을 보여줍니다.
  3. 환자 간 CNV 이질성: sample 플롯에서 PDAC 샘플 간에 CNV 기반 군집의 분포가 다양하게 나타나는 것은 췌장암의 높은 환자 간(inter-patient) 유전적 이질성을 반영합니다. 이는 췌장선암이 단일 질병이 아니라 다양한 유전적 변이를 가진 아형으로 구성될 수 있음을 암시하며, 개인 맞춤형 치료 전략의 필요성을 강조합니다. (참고: Collisson EA, Sadanandam N, Olson P, et al. Subtypes of pancreatic ductal adenocarcinoma and their therapeutic implications. Nat Rev Gastroenterol Hepatol. 2019;16(4):207-220. )
  4. CNV 분석의 가치: 이 분석은 scRNA-seq 데이터에서 CNV를 추정하고 시각화함으로써, 세포 유형 주석의 정확성을 교차 검증하고, 특정 질병 조건(PDAC)에서 유전체 수준의 변화가 세포 집단 구성에 어떻게 반영되는지 이해하는 데 강력한 도구임을 보여줍니다. 특히, 형태학적으로 구분이 어려운 종양 세포를 유전체적 특성을 기반으로 식별하는 데 유용합니다.

Annotation Notes

이 UMAP은 유전자 발현량 정보가 아닌 CNV 추정치를 기반으로 생성되었습니다. 따라서 기존의 유전자 발현 기반 UMAP과는 다른 군집 패턴을 보일 수 있으며, 이는 세포의 유전체적 변이 유사성을 반영합니다. celltype_major 및 celltype_minor 주석이 CNV 패턴과 잘 일치하여, 특히 Ductal cell이 종양 특이적 CNV를 가질 것이라는 가설을 강력하게 지지하고 있습니다. ploidy_dec 결과도 UMAP 상에서 명확한 분리를 보여주어, 해당 플로이드 추정치의 신뢰성을 높여줍니다. 전반적으로 세포 유형 주석, 플로이드 상태 및 질병 조건이 CNV UMAP 상에서 일관성 있는 패턴을 보여주며 데이터의 유효성을 뒷받침합니다.

6. 세포 타입별 군집 분포 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 Adj_normal (정상 인접 조직)과 PDAC (췌장관 선암) 조건에서 췌장 조직의 마이너 세포 타입(minor celltype) 군집 비율을 시각화합니다. 각 샘플에서 전체 세포 중 특정 세포 타입이 차지하는 비율을 stacked bar plot 형태로 보여주어, 질병 상태에 따른 세포 구성의 변화를 파악하는 데 중점을 둡니다.

Visual Summary

Adj_normal 샘플 (AdjN_1, AdjN_2, AdjN_3):

PDAC 샘플 (PDAC_1 ~ PDAC_16):

Biological Interpretation

종양 미세환경(TME)의 재구성:

Clinical or Translational Implications

7. T 세포 및 선천성 림프구(ILC) 아형의 개체군 분석 결과

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 인접 정상(Adj_normal) 조직과 췌장 선암(PDAC) 조직에서 T 세포 및 관련 림프구 아형(NK cell, ILC)의 상대적 구성 비율을 시료별로 비교한 결과입니다. plot_celltype_population 도구를 사용하여 celltype_major가 'T cell'인 세포들의 celltype_subset 수준에서의 분포를 막대그래프로 시각화했습니다. 이 결과는 PDAC 미세환경 내 면역 세포 구성의 변화를 이해하는 데 중요한 통찰력을 제공합니다.

Visual Summary

제공된 막대그래프는 Adj_normal 그룹(3개 시료)과 PDAC 그룹(15개 시료)에서 T 세포 및 ILC 아형의 상대적 분포를 보여줍니다.

Biological Interpretation

이러한 T 세포 및 ILC 아형의 분포 변화는 췌장암 미세환경(TME)에서 복잡한 면역 조절 메커니즘이 작동하고 있음을 시사합니다.

Clinical or Translational Implications

8. 췌장암(PDAC)에서의 대식세포(Macrophage) 아형 분포 변화 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 사용하여 정상 인접(Adj_normal) 췌장 조직과 췌장 선암(PDAC) 조직에서 대식세포(Macrophage)의 아형(M1, M2A, M2B, M2C, M2D) 분포를 샘플별로 비교한 결과입니다. 이는 종양 미세환경 내 대식세포의 면역학적 상태 변화를 이해하는 데 중요한 정보를 제공합니다.

Visual Summary

제공된 막대 그래프는 각 샘플에서 총 대식세포 중 각 아형이 차지하는 비율을 보여줍니다.

Biological Interpretation

대식세포는 그들의 활성화 상태에 따라 M1 (classical activation)과 M2 (alternative activation)로 크게 분류되며, 이들은 종양 미세환경(TME)에서 상반된 역할을 수행하는 것으로 알려져 있습니다. 일반적으로 M1 대식세포는 항종양(pro-inflammatory, anti-tumorigenic) 반응과 관련되며, M2 대식세포는 종양 촉진(anti-inflammatory, pro-angiogenic, immunosuppressive) 역할과 관련됩니다 .

이 분석 결과에서 PDAC 조직에서 M1 대식세포의 비율이 정상 인접 조직에 비해 전반적으로 높게 나타나는 것은 흥미로운 관찰입니다. 이는 일반적으로 PDAC의 TME가 면역억제적이라는 통념과는 다소 상충될 수 있습니다. 이러한 결과는 다음과 같은 몇 가지 생물학적 해석을 가능하게 합니다:

  1. 복합적인 M1-like 표현형: PDAC의 TME는 매우 복잡하며, 단순히 M1/M2 이분법으로 대식세포의 기능을 정의하기 어려울 수 있습니다. 여기서 'Macrophage (M1)'로 분류된 세포들이 반드시 강력한 항종양 기능을 수행하지 않을 수도 있습니다. 종양 미세환경 내에서 M1-like 대식세포들도 종양의 성장을 돕는 다른 기능을 획득하거나, 그들의 항종양 활성이 억제될 수 있습니다 .
  2. 면역 반응의 좌절: 높은 M1 비율은 췌장암에 대한 면역 시스템의 초기 반응 또는 지속적인 시도를 반영할 수 있습니다. 그러나 PDAC의 강력한 면역억제 기전(예: 섬유화, 면역 관문 분자 발현)에 의해 이러한 M1 반응이 효과적으로 억제되어 종양 진행을 막지 못할 수 있습니다.
  3. M2 대식세포의 미묘한 역할: M2A, M2B, M2C, M2D 아형들은 각각 다른 기능을 가집니다. 예를 들어, M2A는 주로 손상 복구와 조직 재형성에 관여하고, M2B는 면역 조절과 염증 반응에 중요하며, M2C는 면역 억제와 관련이 깊습니다. PDAC 샘플에서 M2A의 감소와 M2B의 가변적인 존재는 특정 M2 아형의 조절이 PDAC 발병 및 진행에 중요한 역할을 할 수 있음을 시사합니다. 특히 M2B 대식세포는 염증성 사이토카인을 분비하며 종양 미세환경을 조절할 수 있습니다 .
  4. 환자 간 이질성: PDAC 샘플들 사이의 대식세포 아형 분포의 큰 이질성은 췌장암이 환자마다 다른 면역 미세환경을 가지고 있음을 보여줍니다. 이는 종양의 유전적 특성, 병기, 또는 이전 치료 이력과 관련될 수 있습니다.

Clinical or Translational Implications

이러한 대식세포 아형 분포 분석 결과는 PDAC의 진단, 예후 예측 및 치료 전략 수립에 다음과 같은 임상적 시사점을 제공합니다:

  1. 바이오마커 발굴 가능성: 특정 대식세포 아형 비율 또는 그들의 변화 패턴이 PDAC 환자의 예후를 예측하거나 특정 치료에 대한 반응을 예측하는 새로운 바이오마커로 활용될 수 있습니다. 예를 들어, M1 대식세포가 높음에도 불구하고 종양이 진행하는 환자들의 특성을 추가 연구하여 저항성 메커니즘을 밝힐 수 있습니다.
  2. 새로운 치료 표적 발굴: 대식세포는 췌장암 TME에서 중요한 구성 요소이므로, 대식세포의 분극화(polarization)를 조절하는 것은 유망한 치료 전략이 될 수 있습니다. 단순히 M1 대식세포를 증가시키는 것뿐만 아니라, 특정 M2 아형(예: M2B)의 활성을 억제하거나, M1 대식세포의 항종양 기능을 강화하는 전략을 고려할 수 있습니다.
  3. 개인 맞춤형 치료 접근: PDAC 환자들 간에 대식세포 아형 분포의 이질성이 크다는 점은 환자 개개인의 종양 미세환경 특성을 고려한 개인 맞춤형 면역치료 전략의 중요성을 강조합니다. 치료 전 환자의 대식세포 아형 프로파일링은 어떤 면역치료가 가장 효과적일지 결정하는 데 도움이 될 수 있습니다.

추후 연구에서는 각 대식세포 아형의 기능적 특성과 발현 유전자 프로파일을 심층적으로 분석하여 PDAC 진행에 대한 이들의 정확한 역할을 규명할 필요가 있습니다.

9. PDAC 조건에서 T 세포 및 ILC 하위 집단 비율 변화 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 활용하여 췌장 덕트 선암(PDAC) 환자의 종양 조직과 인접 정상 조직(Adj_normal) 간에 T 세포 및 ILC(Innate Lymphoid Cell) 하위 집단의 비율에서 유의미한 차이가 있는지 비교합니다. 특히 'T cell' celltype_major 그룹 내의 'celltype_subset' 수준에서 각 하위 집단이 조건에 따라 어떻게 변화하는지를 boxplot으로 시각화하고 통계적 유의성을 평가했습니다. 이는 PDAC 종양 미세환경 내 면역 세포 구성의 변화를 이해하는 데 중요한 통찰력을 제공합니다.

Visual Summary

제공된 boxplot은 6가지 T 세포 및 ILC 하위 집단(ILCreg, T_Naive, ILC1, Tfh, Th1, T_Cyto)의 세포 비율을 PDAC와 Adj_normal 조건에서 비교하여 보여줍니다. 각 패널은 해당 세포 유형의 비율 분포를 나타내며, 박스는 25~75% 사분위수 범위를, 중앙선은 중앙값을 나타냅니다. 검은색 점은 개별 샘플 데이터를 나타냅니다. 통계적 유의성(p-value)은 각 비교 위에 표시되어 있습니다.

주요 관찰 결과는 다음과 같습니다:

PDAC에서 유의하게 증가한 집단:

PDAC에서 유의하게 감소한 집단:

PDAC에서 증가하는 경향을 보인 집단 (p=0.06):

Biological Interpretation

PDAC 종양 미세환경에서 T 세포 및 ILC 하위 집단 구성의 변화는 면역 억제 환경 조성과 관련하여 중요한 생물학적 의미를 가집니다.

종합적으로 볼 때, PDAC는 강력한 면역 억제 미세환경을 형성하며, 이는 세포독성 T 세포의 감소와 T_Naive, Tfh, ILCreg과 같은 특정 면역 세포 집단의 증가로 특징지어집니다. 이러한 불균형은 PDAC의 진행과 면역 요법에 대한 반응성 감소에 중요한 영향을 미칠 수 있습니다.

Clinical or Translational Implications

이러한 발견은 PDAC의 임상적 치료 전략 개발에 여러 가지 함의를 가집니다:

10. 췌장암(PDAC)과 인접 정상 조직 간 Macrophage M2D 아형 비율 비교

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 사용하여 췌장암(PDAC) 조직과 인접 정상(Adj_normal) 조직에서 Macrophage (M2D) 세포 아형의 상대적 비율을 비교합니다. plot_box_for_celltype_population_with_signif_difference 도구를 활용하여 각 조건에서 Macrophage M2D 세포가 전체 세포 중 차지하는 비율을 시각화하고, 두 조건 간 통계적으로 유의미한 차이가 있는지 평가했습니다. 여기서 유의성 임계값(pval_cutoff)은 0.1로 설정되었습니다.

Visual Summary

제공된 박스플롯은 Macrophage (M2D) 세포 아형의 비율을 PDAC와 Adj_normal 조건에서 비교하여 보여줍니다.

Biological Interpretation

Macrophage M2D 아형은 종양 미세환경(TME) 내에서 면역 억제, 혈관 신생 촉진, 조직 재형성 및 종양 성장에 기여하는 프로-튜머(pro-tumor) 특성을 갖는 것으로 알려진 M2 계열 대식세포의 한 유형입니다 [1]. M2D 대식세포는 특히 IL-6, IL-10, VEGF 등과 같은 사이토카인을 분비하여 면역 반응을 조절하고 혈관 신생을 유도하는 데 중요한 역할을 합니다 [2].

이번 분석 결과, 췌장암(PDAC) 조직에서 인접 정상 조직에 비해 Macrophage M2D 세포의 비율이 통계적으로 유의미하게 감소하는 경향이 관찰되었습니다 (p=0.07). 이는 일반적인 암 연구에서 M2 대식세포의 전반적인 증가가 흔히 보고되는 것과는 다소 대조적일 수 있습니다. 하지만 대식세포는 M1 및 M2 아형뿐만 아니라 M2a, M2b, M2c, M2d와 같이 세분화된 아형으로 나뉘며, 각 아형은 독특한 기능적 특징을 가집니다.

PDAC 미세환경 내 M2D 아형의 비율 감소는 다음과 같은 생물학적 가능성을 시사할 수 있습니다.

  1. 대식세포 분극화의 복합적인 변화: PDAC 환경에서 특정 M2D 아형의 비율이 감소하는 대신, 다른 M2 아형(예: M2a, M2b, M2c) 또는 M1 유사 대식세포로의 분극화가 촉진되어 전체적인 대식세포의 기능적 상태가 변화했을 수 있습니다. 즉, 종양 미세환경이 특정 대식세포 아형의 성장을 억제하거나 다른 아형으로의 전환을 유도할 수 있습니다.
  2. 세포 유입 또는 생존율 조절: M2D 대식세포의 종양 조직으로의 유입이 감소하거나, PDAC 미세환경의 독특한 조건(예: 특정 대사 환경, 저산소증)이 M2D 아형의 생존율을 저하시켰을 가능성도 있습니다.
  3. 췌장암의 특이적 면역 환경: 췌장암은 독특하고 면역 억제적인 미세환경을 가지고 있으며, 이는 다른 고형암과는 다른 대식세포 동역학을 보일 수 있습니다. 따라서 M2D 아형의 감소는 췌장암 특유의 면역회피 메커니즘과 관련될 수 있습니다.

이러한 결과는 Macrophage M2D가 췌장암의 진행에 직접적으로 기여하기보다는, 다른 면역세포 또는 대식세포 아형들이 PDAC 미세환경에서 더 지배적인 역할을 할 수 있음을 시사합니다.

Clinical or Translational Implications

Macrophage M2D 아형의 비율 감소는 췌장암 미세환경의 면역 조절 및 종양 진행 기전에 대한 중요한 통찰을 제공하며, 다음과 같은 임상적 의미를 가질 수 있습니다.

References

[1] Gordon, S., & Martinez, F. O. (2010). Alternative activation of macrophages: mechanism and functions. Immunity, 32(5), 593-604.

[2] Qian, B. Z., & Pollard, J. W. (2010). Macrophage diversity enhances tumor progression and metastasis. Cell, 141(1), 39-51.

11. 췌장 선암(PDAC)의 종양 기원 세포 및 미분류 세포에서 이수성(Aneuploidy) 인구 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 사용자 요청에 따라 췌장암(PDAC)의 종양 기원 세포인 Ductal cell과 세포 유형이 명확히 분류되지 않은 unassigned 세포들을 대상으로, 각 샘플에서 핵형 이수성(ploidy) 상태(Aneuploid, Diploid, Unclear)의 상대적 비율을 막대그래프로 시각화한 결과입니다. 이는 정상 인접 조직(Adj_normal)과 PDAC 조직 간의 ploidy 분포 변화를 비교하여 질병 관련 유전체 불안정성을 탐색하는 데 중점을 둡니다.

Visual Summary

제공된 막대그래프는 Adj_normal 조건과 PDAC 조건 각각에 대해 선택된 세포 집단(Ductal cell 및 unassigned)의 ploidy 분포를 샘플별로 보여줍니다.

Adj_normal 조건:

PDAC 조건:

Biological Interpretation

이수성(Aneuploidy)은 정상적인 염색체 수와 다른 상태를 의미하며, 암의 가장 특징적인 유전체 불안정성(genomic instability) 중 하나로 널리 알려져 있습니다. 주어진 데이터 컨텍스트에서 Ductal cell이 췌장 선암(PDAC)의 "종양 기원 세포(Tumor origin celltype)"임을 고려할 때, 본 분석 결과는 PDAC의 발생 및 진행과 관련된 중요한 생물학적 통찰력을 제공합니다.

  1. PDAC 종양 세포의 광범위한 이수성: Adj_normal 샘플에서는 Diploid 세포가 우세한 반면, PDAC 샘플, 특히 많은 수의 PDAC 샘플에서 Ductal cell과 unassigned 세포 집단이 거의 전적으로 Aneuploid 세포로 구성되어 있다는 점은 췌장 선암 세포가 상당한 유전체 재구성을 겪었음을 강력히 시사합니다. 이는 암세포의 분열 과정에서 발생하는 염색체 분리 오류, DNA 복제 스트레스 등 다양한 기전을 통해 이수성이 유발될 수 있음을 반영합니다 .
  2. 종양 진행과의 연관성: 일부 PDAC 샘플에서는 Diploid 세포도 관찰되지만, 상당수의 샘플에서 Aneuploid 세포가 지배적인 것은 종양의 이질성(heterogeneity) 또는 진행 단계에 따른 차이를 반영할 수 있습니다. 즉, 초기 단계의 종양은 이수성 정도가 낮을 수 있으나, 종양이 진행됨에 따라 유전체 불안정성이 심화되어 이수성 세포의 비율이 증가할 가능성이 있습니다.
  3. Unassigned 세포의 정체성 추론: Ductal cell이 종양 기원 세포임을 고려할 때, PDAC 샘플에서 높은 Aneuploid 비율을 보이는 unassigned 세포들은 전형적인 유전자 발현 패턴이 붕괴되어 기존의 마커 기반 분류에서 제외되었지만, 실제로는 고도로 이수성인 악성 Ductal cell일 가능성이 높습니다.

Clinical or Translational Implications

이수성 분석 결과는 PDAC의 임상적 측면에서 다음과 같은 중요한 시사점을 가집니다.

  1. 진단 및 예후 마커로서의 활용 가능성: PDAC 샘플에서 관찰되는 현저한 이수성 증가는 췌장 선암 진단을 보조하거나, 질병의 공격성을 평가하는 예후 인자로 활용될 수 있습니다. 높은 이수성 수준은 종종 불량한 예후와 연관되는 경우가 많습니다 .
  2. 치료 전략 개발: 이수성은 암세포의 취약성(vulnerability)으로 작용할 수 있습니다. 예를 들어, 이수성 세포는 정상 Diploid 세포에 비해 세포 주기 조절, 스트레스 반응, 대사 경로 등에서 특정 취약점을 가질 수 있으며, 이를 표적으로 하는 항암제 개발의 기회가 될 수 있습니다 .
  3. 종양 이질성 이해: 샘플 간 이수성 비율의 차이는 PDAC의 종양 내 이질성을 반영하며, 이는 환자 맞춤형 치료 전략을 수립하는 데 중요한 고려 사항이 될 수 있습니다. 각 환자의 종양 특성을 정확하게 파악하는 것은 효과적인 치료법 선택에 필수적입니다.

12. PDAC 미세환경 내 주요 세포-세포 상호작용 패턴 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 췌장암(PDAC) 조건에서 종양 미세환경 내 주요 세포 유형들(Ductal cell, Fibroblast, Macrophage, T cell CD8+, T cell CD4+) 간의 세포-세포 상호작용(Cell-Cell Interaction, CCI) 패턴을 식별하고 시각화합니다. 특히, AnnData에 명시된 종양 기원 세포인 Ductal cell 중 이수성(Aneuploid) 세포를 악성 종양 세포로 간주하여, 이들 종양 세포와 면역세포 및 기질세포 간의 상호작용에 초점을 맞춥니다. CellPhoneDB를 이용하여 계산된 CCI 결과 중, 각 조건에서 통계적으로 유의미하고 평균 발현량이 높은 상위 80개의 리간드-수용체 쌍을 시각화하여 PDAC 미세환경의 복잡한 통신 네트워크를 이해하고자 합니다.

Visual Summary

제공된 점도표(dot plot)는 PDAC 조건에서 특정 세포쌍 간의 리간드-수용체 상호작용을 보여줍니다.

전반적으로, Aneuploid Ductal 세포와 Macrophage, T CD4+, T CD8+ 세포 간에 활발한 상호작용이 관찰됩니다. 특히, Aneuploid Ductal | Mac 및 Mac | Aneuploid Ductal 상호작용이 가장 빈번하고 강하게 나타나는 경향을 보입니다. 또한, T CD4+ | Aneuploid Ductal, Aneuploid Ductal | T CD4+, Aneuploid Ductal | T CD8+와 같은 종양-면역 세포 상호작용도 여러 리간드-수용체 쌍에서 확인됩니다. Fibroblast는 target_cells에 포함되었지만, 상위 80개 상호작용 쌍에는 나타나지 않아, 이들 세포 유형 간의 가장 지배적인 상호작용은 아닌 것으로 보입니다.

주요 관찰:

Biological Interpretation

PDAC 미세환경에서 관찰되는 이러한 세포-세포 상호작용은 질병의 진행 및 면역 회피에 중요한 역할을 할 수 있습니다.

  1. 종양-대식세포 상호작용 (Aneuploid Ductal | Mac):
  1. 종양-T 세포 상호작용 (Aneuploid Ductal | T CD4+ / T CD8+):
  1. 면역 세포 간 상호작용 (Mac | T CD4+ / T CD8+, T CD8+ | T CD4+ 등):

Clinical or Translational Implications

이러한 CCI 패턴은 PDAC의 치료적 개입을 위한 여러 잠재적 표적을 시사합니다.

이러한 상호작용의 생물학적 중요성을 검증하고 임상 적용 가능성을 평가하기 위해서는 추가적인 기능적 연구와 생체 내(in vivo) 모델을 통한 실험적 검증이 필수적입니다.

---

References:

[1] Gold P, et al. Carcinoembryonic antigen (CEA) as a clinical marker for colorectal cancer: past, present, and future. *J Clin Oncol*. 2004.

[2] Jaiswal S, et al. CD47 is a molecular checkpoint that mediates immune evasion. *Cell*. 2011.

[3] Mi Z, et al. Osteopontin plays a critical role in pancreatic adenocarcinoma. *J Exp Clin Cancer Res*. 2018.

[4] D'Acquisto F, et al. Annexin A1 and the glucocorticoid system. *FEBS Lett*. 2007.

[5] Kalinski P. Eicosanoids in cancer: important regulators of an antitumor immune response. *Semin Cancer Biol*. 2012.

[6] Aldinucci D, et al. Chemokines and chemokine receptors in solid tumours. *FEBS J*. 2012.

[7] Deng S, et al. LILRB4 is a myeloid checkpoint that promotes tumor progression. *Nat Cancer*. 2021.

13. 췌장암(PDAC) 조건에 따른 세포-세포 상호작용 분석

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 활용하여 인접 정상 조직(Adj_normal)과 췌장 선암(PDAC) 조건 간의 세포-세포 상호작용(Cell-Cell Interaction, CCI)을 비교 분석합니다. CellPhoneDB를 이용하여 리간드-수용체 상호작용을 예측했으며, 각 조건에서 가장 유의미하고 강력한 상위 80개 상호작용 쌍을 시각화했습니다. 이를 통해 PDAC 미세환경에서 나타나는 특이적인 세포 간 통신 변화를 이해하고, 질병 진행 및 면역 회피에 기여하는 핵심 경로를 식별하고자 합니다.

시각적 요약

제공된 점도표(dot plot)는 Adj_normal과 PDAC 조건에서 세포 쌍(cell_A - cell_B) 간의 리간드-수용체 상호작용을 보여줍니다. 점의 색상은 상호작용 평균 발현량(log2(m))을 나타내며(노란색에 가까울수록 높음), 점의 테두리 색상(outer ring color)은 p-value의 음의 로그 값(-log10(p))을 나타냅니다(어두운 색일수록 유의미함).

Adj_normal 조건에서의 주요 특징:

PDAC 조건에서의 주요 특징:

생물학적 해석

1. PDAC 미세환경의 면역 억제 및 회피 메커니즘

PDAC 조건에서 특히 주목할 만한 점은 종양 세포(Aneuploid Ductal cell)와 대식세포(Macrophage) 간의 다양한 상호작용을 통해 면역 억제 환경이 조성된다는 것입니다.

2. 기질 재형성 및 종양 진행 관련 신호

PDAC의 특징적인 섬유성 기질 재형성 및 종양 세포의 침윤/전이 관련 상호작용도 PDAC 조건에서 뚜렷하게 관찰됩니다.

3. 염증 및 면역 세포 모집

임상적 또는 번역적 함의

이러한 결과는 PDAC 미세환경의 복잡한 세포 간 통신 네트워크를 해독하고, 새로운 치료 전략 개발을 위한 중요한 통찰력을 제공합니다.

14. 면역관문 및 세포 주기 관련 유전자들의 세포-세포 상호작용 분석

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 인간 췌장 조직의 단일 세포 RNA 시퀀싱 데이터를 기반으로, 특정 면역관문(immune checkpoint) 및 세포 주기(cell cycle) 관련 유전자들의 세포-세포 상호작용(Cell-Cell Interaction, CCI) 패턴을 정상 췌장 조직(Adj_normal)과 췌장 선암(PDAC) 조건에서 비교 분석한 결과입니다. plot_cci_dots 도구를 사용하여 CellPhoneDB 결과를 시각화하였으며, 특히 암세포로 추정되는 이수성(Aneuploid) 관세포(Ductal cell)와 종양 미세 환경 내 다른 세포 유형 간의 상호작용에 초점을 맞추었습니다.

시각적 요약

두 개의 점 그림(dot plot)은 Adj_normal과 PDAC 조건에서 target_genes 목록에 포함된 유전자 쌍들의 세포-세포 상호작용을 보여줍니다. 점의 크기는 상호작용의 유의성(-log10(p-value))을, 색상은 평균 발현 강도(log2(mean))를 나타냅니다.

Adj_normal 조건 (정상 췌장 조직):

PDAC 조건 (췌장 선암):

생물학적 해석

PDAC 미세환경에서는 정상 조직과 비교하여 면역관문 및 세포 주기 관련 유전자들의 세포-세포 상호작용 패턴이 현저히 변화됨을 알 수 있습니다.

임상적 또는 중개적 함의

본 분석 결과는 PDAC의 치료 전략 개발에 중요한 통찰력을 제공합니다.

15. 췌장암(PDAC) 조건별 세포간 상호작용 패턴 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱 데이터를 기반으로 한 AnnData 객체에서 얻은 정보를 활용하여, 정상 췌장 조직(Adj_normal)과 췌장 선암(PDAC) 간의 주요 면역 및 기질 세포들의 세포간 상호작용(Cell-Cell Interaction, CCI) 패턴의 통계적 차이를 비교합니다. 특히, 특정 조건에서 유의하게 강화되거나 약화되는 상호작용들을 식별하고 시각화하기 위해 plot_dot_for_cci_with_signif_difference 도구를 사용했습니다. 분석은 'Macrophage', 'T cell CD8+', 'Smooth muscle cell', 'Mast cell', 'T cell CD4+', 'NK cell', 'B cell', 'Fibroblast', 'ILC', 'Plasma cell', 'Stellate cell', 'Dendritic cell'을 포함하는 주요 면역세포 및 기질세포에 초점을 맞추었으며, 통계적 유의성에 따라 가장 차이가 큰 상호작용 25개를 그룹별로 선별하여 표시합니다.

Visual Summary

제공된 점 그림(dot plot)은 Adj_normal 및 PDAC 조건에서 샘플별로 세포간 상호작용의 강도(standardized sample mean)와 통계적 유의성(-log10(p))을 시각화합니다.

Biological Interpretation

이 분석 결과는 PDAC 미세환경에서 면역세포와 기질세포 간의 상호작용 네트워크가 정상 조직과 비교하여 현저하게 재구성됨을 강력히 시사합니다.

  1. 종양 미세환경(TME)의 면역억제 및 재형성:
  1. 악성 세포(Aneuploid Ductal cell)와 면역세포의 교차: Aneuploid Ductal cell, 즉 악성 췌장암 세포가 Macrophage, T cell CD8+, T cell CD4+ 등과 다양한 상호작용을 형성하는 것은 PDAC의 면역 미세환경이 종양 세포에 의해 적극적으로 조절되고 있음을 나타냅니다. 특히 Macrophage (M2B), Macrophage (M1), Macrophage (M2A), Macrophage (M2D) 등 다양한 Macrophage subtype이 포함되어 있어, Macrophage의 이질성과 PDAC 진행에서의 복잡한 역할이 시사됩니다.
  2. 정상 조직에서의 상호작용: Adj_normal 샘플에서 관찰되는 CCL4-CCR5와 Cholesterol_byCEL_RORA--Duct 상호작용은 췌장 내 정상적인 면역 감시 또는 항상성 유지와 관련된 상호작용일 수 있습니다. CCL4-CCR5는 면역세포 이동에 관여하며, Cholesterol 관련 상호작용은 세포막 및 신호 전달에 필수적입니다.

Clinical or Translational Implications

이러한 결과는 PDAC의 진단, 예후 예측 및 새로운 치료 전략 개발에 중요한 단서를 제공합니다.

  1. 면역 치료 표적 발굴: PDAC에서 증가하는 SIRPA-CD47 상호작용은 CD47 또는 SIRPα를 표적으로 하는 면역관문억제제 개발의 근거를 제공합니다. 이러한 접근법은 대식세포에 의한 암세포 포식을 촉진하여 항암 효과를 유도할 수 있습니다.
  2. 종양 미세환경 조절: Integrin 및 Semaphorin-Plexin 상호작용과 같이 PDAC에서 활성화되는 세포 부착 및 이동 관련 경로들은 TME의 물리적 장벽을 해소하고 면역세포 침윤을 개선하거나 암세포 전이를 억제하는 치료제 개발의 잠재적 표적이 될 수 있습니다.
  3. 바이오마커 개발: PDAC 샘플에서 특이적으로 높게 나타나는 세포간 상호작용 쌍들은 췌장암의 진행 및 치료 반응 예측을 위한 새로운 바이오마커로 활용될 수 있습니다. 이를 통해 환자 맞춤형 치료 전략을 수립하는 데 기여할 수 있습니다.
  4. 복합 치료 전략: PDAC의 복잡한 면역억제 미세환경을 고려할 때, SIRPA-CD47 축 억제와 Integrin 신호 조절을 포함한 다양한 세포간 상호작용을 동시에 표적하는 복합 치료 전략이 효과적일 수 있습니다.

16. 췌장암(PDAC)의 종양 기원 세포(Ductal cell)에서 조건별 세포 표면 마커 분석

Report figure

[Analysis Visualization Results]...

분석 개요

이 분석은 단일 세포 RNA 시퀀싱 데이터를 활용하여 췌장 도관 세포(Ductal cell)에서 정상(Adj_normal)과 췌장 선암(PDAC) 조건에 따라 차등적으로 발현되는 세포 표면(surfaceome) 마커 유전자들을 시각화한 닷 플롯(dot plot) 결과입니다. 세포 표면 단백질은 세포 간 상호작용, 세포 외부 신호 전달, 그리고 약물 표적으로서의 잠재력 때문에 특히 중요한 연구 대상입니다.

시각적 요약

제공된 닷 플롯은 Ductal cell 내에서 Adj_normal 및 PDAC 조건에 따른 유전자 발현 패턴을 명확하게 보여줍니다.

생물학적 해석

이 분석 결과는 췌장 도관 세포가 정상 상태에서 PDAC로 진행됨에 따라 세포 표면 단백질 구성에 상당한 변화가 일어남을 시사하며, 이는 암세포의 기능적 변화와 밀접하게 연관됩니다.

정상(Adj_normal) Ductal cell 특이 마커:

Adj_normal 조건의 도관 세포에서는 GP2, CUZD1, ANPEP (CD13), BACE1, CLDN3, FGFR1, P2RX1, GJB1, PTGER4와 같은 유전자들이 높게 발현됩니다.

이러한 유전자들은 정상 췌장 도관 세포의 구조적 무결성, 세포 간 통신, 그리고 기본적인 생리적 기능 유지에 중요한 역할을 할 것으로 추정됩니다.

PDAC Ductal cell 특이 마커:

PDAC 조건의 도관 세포에서는 SPP1, GPRC5A, LY6E, SERINC2, MSLN (Mesothelin), ADAM9, TSPAN1, ITGB4, ITGA2, PLAU, MET, TFPI, VSIG2, ITGA3, TSPAN15, ERBB2 (HER2), CDCP1, CXCL16, ITGB8, ADAM10과 같은 유전자들이 높게 발현됩니다. 이들은 암 발생 및 진행의 여러 측면과 연관될 수 있습니다.

이러한 마커들은 PDAC Ductal cell이 보이는 악성 표현형(malignant phenotype)과 관련이 깊으며, 증식, 이동성 증가, 세포외 기질 재형성, 면역 회피 등의 암 특성을 반영하는 것으로 해석됩니다. 특히 표면 단백질이라는 점은 이들이 세포 환경과의 상호작용에 직접적으로 관여함을 의미합니다.

임상 또는 번역적 함의

이 분석 결과는 PDAC의 진단, 예후 예측 및 새로운 치료 전략 개발에 중요한 통찰력을 제공합니다.

17. Macrophage 조건별 표면 마커 분석

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 활용하여 췌장암(PDAC) 환자의 Macrophage와 인접 정상 조직(Adj_normal)의 Macrophage 간에 조건 특이적인 표면 마커(surfaceome markers)를 식별하고 시각화한 결과입니다. plot_markers_and_expression_dot 도구를 사용하여 각 조건 및 샘플 그룹에서 마커 유전자들의 발현 수준(점의 색상) 및 발현 세포 비율(점의 크기)을 나타내는 도트 플롯을 생성했습니다. 특히, 종양 미세환경에서 Macrophage의 기능적 변화와 관련된 잠재적인 바이오마커 및 치료 표적을 발굴하는 데 중점을 두었습니다.

시각적 요약

제공된 도트 플롯은 Macrophage 세포 유형에서 PDAC 조건과 Adj_normal 조건 간의 표면 마커 유전자 발현 패턴을 명확하게 보여줍니다.

생물학적 해석

PDAC Macrophage에서 선택적으로 높은 발현을 보이는 표면 마커들은 췌장암 미세환경에서 Macrophage의 기능적 변화와 암 진행에 기여하는 메커니즘을 시사합니다.

  1. 면역 조절 및 면역 억제 기능 강화:
  1. 세포 부착, 이동 및 세포외 기질 리모델링:
  1. 염증 및 신호 전달 경로 활성화:
  1. 기타 관련 마커:

임상 및 번역적 함의

PDAC Macrophage에서 특이적으로 상향 조절되는 이러한 표면 마커들은 췌장암 진단, 예후 예측 및 새로운 치료 전략 개발에 중요한 잠재력을 가집니다.

18. T cell CD4+의 췌장암(PDAC) 관련 표면 마커 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

이 분석은 단일 세포 RNA 시퀀싱 데이터를 기반으로, 췌장 선암(PDAC) 환자의 CD4+ T 세포와 인접 정상 조직(Adj_normal)의 CD4+ T 세포에서 조건별 표면 마커(surfaceome markers)의 발현 변화를 비교한 도트 플롯입니다. plot_dot_for_gene_expression_with_signif_difference 툴을 사용하여, PDAC 조건에서 Adj_normal 조건 대비 유의하게 발현이 증가한 표면 유전자 마커들을 최대 50개까지 선별하여 시각화했습니다. 도트의 색상 강도는 유전자 발현량(standardized gene expression)을 나타내며, 짙은 붉은색일수록 발현량이 높음을 의미합니다. 도트의 크기는 해당 유전자를 발현하는 세포의 비율(Exp Cell Frac)을 나타내며, 도트가 클수록 더 많은 세포에서 해당 유전자가 발현됨을 의미합니다.

Visual Summary

Biological Interpretation

CD4+ T 세포는 항종양 면역 반응에서 중요한 역할을 하지만, 췌장암(PDAC)의 종양 미세환경(TME)은 면역 억제적이며, T 세포의 기능 장애를 유도하는 것으로 알려져 있습니다. 본 분석 결과는 PDAC TME에서 CD4+ T 세포의 표면 단백질 발현 프로필이 인접 정상 조직과 비교하여 현저하게 변화함을 보여주며, 이는 T 세포의 활성화, 이동, 상호작용 및 면역 조절 기능에 영향을 미칠 수 있습니다.

면역 체크포인트 및 공자극/공억제 수용체 변화:

세포 접착 및 이동 관련 분자:

세포 사멸 관련 분자:

이러한 표면 마커들의 변화는 PDAC 미세환경 내 CD4+ T 세포가 면역 억제 신호에 반응하고 종양 세포 및 다른 면역 세포와의 상호작용 방식이 변화하며, 결국 항종양 기능이 저해될 수 있음을 반영합니다.

Clinical or Translational Implications

---

References:

[1] ICOS in cancer immunity:

[2] GITR agonists for cancer immunotherapy:

[3] CD47 as a therapeutic target in cancer:

[4] TGF-beta in pancreatic cancer immunity:

[5] Mechanisms of T cell exhaustion in TME, including Fas/FasL:

[6] CD47 targeting in solid tumors:

19. 췌장암 췌관 세포에서 세포 주기 관련 유전자 발현 변화 분석

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 단일 세포 RNA 시퀀싱 데이터를 기반으로, 췌장 선암 (PDAC) 환자의 췌관 세포 (Ductal cell)와 인접 정상 (Adj_normal) 조직의 췌관 세포 간에 세포 주기 관련 유전자들의 발현량 차이를 비교한 결과입니다. plot_box_for_gene_expression_with_signif_difference 도구를 사용하여 통계적으로 유의한 발현 차이를 보이는 유전자들을 선별하고, 각 유전자의 발현 분포를 박스플롯으로 시각화했습니다. 비교는 'Adj_normal'을 대조군으로 하여 수행되었으며, P-값 0.1, log2_FC 0.1을 기준으로 유의미한 유전자들을 선택했습니다.

Visual Summary

제공된 박스플롯들은 16개의 주요 세포 주기 관련 유전자들의 췌관 세포 내 발현량을 PDAC와 Adj_normal 조건에서 비교하여 보여줍니다. 전반적으로, PDAC 조건의 췌관 세포에서 대부분의 유전자들이 Adj_normal 조건 대비 유의하게 상향 조절된 경향을 보입니다.

주요 관찰:

모든 유전자에서 PDAC 그룹 내 개별 환자 샘플 간 발현량 편차가 Adj_normal 그룹보다 더 큰 경향을 보였으며, 이는 종양 이질성(tumor heterogeneity)을 시사할 수 있습니다.

Biological Interpretation

이러한 결과는 PDAC 췌관 세포에서 세포 주기의 비정상적인 활성화가 광범위하게 일어나고 있음을 강력히 시사합니다.

  1. 과도한 세포 증식: APC/C 복합체 구성 요소인 ANAPC1, CDC16, CDK 활성 키나아제인 CDK7, DNA 복제 개시에 필수적인 MCM7 및 ORC2, 그리고 주요 암 유전자(oncogene)인 MYC의 상향 조절은 PDAC 췌관 세포가 통제 불가능하게 증식하고 있음을 나타냅니다. 이는 췌장암의 특징적인 공격적인 성장 양상과 일치합니다.
  2. 세포 주기 조절 기전의 교란: 종양 억제 유전자인 CDKN2D, RB1, TP53의 발현 증가는 복합적인 의미를 가집니다. 일반적으로 이들 유전자는 세포 증식을 억제하지만, 암세포에서는 돌연변이 등으로 인해 기능이 상실된 상태로 과발현되거나 (예: TP53의 gain-of-function 돌연변이), 세포의 과도한 증식에 대한 보상적 반응으로 발현이 증가할 수 있습니다. 예를 들어, RB1은 G1/S 전환을 조절하는 핵심 종양 억제 유전자이며, 췌장암에서 종종 기능 이상이 관찰됩니다.
  3. TGF-베타 신호 전달 경로의 종양 촉진 역할: TGFB1과 SMAD2의 상향 조절은 PDAC에서 TGF-베타 신호 전달 경로가 활성화되어 있음을 나타냅니다. TGF-베타는 초기 단계에서는 종양 억제제로 작용할 수 있으나, 진행성 암에서는 종양 미세 환경 재구성, 상피-중간엽 전이(EMT), 면역 회피 등을 통해 종양의 성장을 촉진하는 역할을 하는 것으로 알려져 있습니다.
  4. 세포 주기 체크포인트의 dysregulation: MAD1L1의 증가는 유사 분열 과정에서의 염색체 비분리(aneuploidy) 위험 증가 또는 불완전한 세포 분열 체크포인트 반응을 반영할 수 있습니다.

이러한 유전자들의 동시다발적인 상향 조절은 PDAC의 췌관 세포가 정상적인 세포 주기 조절을 벗어나 무분별한 증식을 하고 있으며, 암 진행에 유리한 환경을 조성하고 있음을 명확히 보여줍니다.

Clinical or Translational Implications

20. 췌관 세포 (Ductal Cell)의 유전자 온톨로지 (GSA) 분석 결과

Report figure

[Analysis Visualization Results]...

분석 개요

본 분석은 단일 세포 RNA 시퀀싱 데이터에서 얻은 췌관 세포(Ductal cell)의 유전자 온톨로지(Gene Ontology, GO) 분석 결과를 보여줍니다. GO 분석은 특정 세포 유형 또는 조건에서 유의미하게 상향 조절되는 생물학적 경로 및 기능을 식별하는 데 사용됩니다. 결과는 세 가지 다른 비교 조건('Adj_normal_vs_others', 'Diploid_vs_others', 'PDAC_vs_others')에 대해 막대 그래프(bar-plot) 형태로 제시되어, 각 조건에서 췌관 세포의 특징적인 활성 경로를 조명합니다.

시각적 요약

제공된 세 가지 막대 그래프는 각 비교 조건에서 췌관 세포에서 통계적으로 유의하게 상향 조절된 유전자 온톨로지 용어들을 보여줍니다. x축은 -log(p-val) (유의미성)과 -log(q-val) (다중 검정 보정된 유의미성)을 나타내며, 값이 클수록 해당 용어의 유의미성이 높음을 의미합니다.

  1. "GSA up for Ductal cell: Adj_normal_vs_others" (Adj_normal 대 PDAC 조건 비교)
  1. "GSA up for Ductal cell: Diploid_vs_others" (이배체 대 비이배체(Aneuploid) 췌관 세포 비교)
  1. "GSA up for Ductal cell: PDAC_vs_others" (PDAC 대 Adj_normal 조건 비교)

생물학적 해석

  1. 정상 췌관 세포의 생리적 특징 (Adj_normal_vs_others):
  1. 이배체 췌관 세포의 염증 및 면역 반응 (Diploid_vs_others):
  1. PDAC 췌관 세포의 악성 변화 및 암 특징 (PDAC_vs_others):

임상적 또는 중개적 함의

21. Ductal cell, Macrophage, T cell CD8+, Endothelial cell의 유전자 세트 농축 분석 (GSEA) 결과

Report figure

[Analysis Visualization Results]...

Analysis Overview

본 분석은 췌장암(PDAC) 환경 내 특정 세포 유형(Ductal cell, Macrophage, T cell CD8+, Endothelial cell)에서 질병 상태와 연관된 생물학적 경로 변화를 탐색하기 위해 수행된 유전자 세트 농축 분석(GSEA) 결과입니다. AnnData에 포함된 단일 세포 RNA 시퀀싱 데이터를 기반으로, 각 세포 유형에 대해 PDAC 조건과 다른 조건(Adj_normal 또는 Others)을 비교하여 특이적으로 활성화되거나 억제되는 유전자 세트(경로)를 식별했습니다. 도트 플롯은 각 경로의 농축도(NES, 색상)와 통계적 유의성(-logP, 도트 크기)을 시각적으로 나타냅니다.

Visual Summary

제공된 도트 플롯은 Ductal cell, Macrophage, T cell CD8+, Endothelial cell 네 가지 주요 세포 유형에서 Adj_normal 또는 PDAC 조건과 다른 세포들을 비교한 GSEA 결과를 보여줍니다. 각 열은 특정 세포 유형과 비교 조건을 나타내고, 각 행은 분석된 유전자 세트 또는 경로를 나타냅니다.

전반적으로, PDAC 조건(예: Ductal cell: PDAC_vs_others)에서는 붉은색 도트(활성화된 경로)가 많이 관찰되며, 특히 "Transcriptional misregulation in cancer", "PD-L1 expression and PD-1 checkpoint pathway in cancer", "VEGF signaling pathway", "NF-kappa B signaling pathway"와 같은 암 관련 경로들이 여러 세포 유형에서 일관되게 활성화되는 경향을 보입니다. 반면, T cell CD8+의 PDAC 조건에서는 "T cell receptor signaling pathway", "Th1 and Th2 cell differentiation", "Natural killer cell mediated cytotoxicity"와 같은 면역 활성 경로들이 푸른색(억제)으로 나타나, 면역 기능 저하를 시사합니다.

Biological Interpretation

Ductal cell (췌장암 기원 세포)

Macrophage (종양 관련 대식세포)

T cell CD8+ (세포독성 T 세포)

Endothelial cell (혈관 내피 세포)

Clinical or Translational Implications

  1. 면역 치료 표적: "PD-L1 expression and PD-1 checkpoint pathway in cancer"는 Ductal cell, Macrophage, T cell CD8+, Endothelial cell 등 여러 세포 유형에서 PDAC 조건에서 활성화되어 있습니다. 이는 PD-1/PD-L1 면역관문 억제제(immune checkpoint inhibitor)가 췌장암 치료에 잠재적인 효과를 가질 수 있음을 시사하며, PDAC 미세환경의 광범위한 면역 회피 기전을 반영합니다.
  2. 종양 미세환경 표적: "Chemokine signaling pathway", "TGF-beta signaling pathway", "NF-kappa B signaling pathway", "ECM-receptor interaction", "VEGF signaling pathway" 등은 PDAC 관련 Macrophage, Ductal cell, Endothelial cell에서 일관되게 활성화되어 있습니다. 이들 경로는 종양 성장, 전이, 면역 억제 및 혈관 신생에 중요한 역할을 하므로, 이들 경로를 표적으로 하는 치료법은 췌장암 미세환경을 재프로그래밍하여 항종양 면역 반응을 강화하거나 종양 진행을 억제할 수 있는 잠재력이 있습니다 .
  3. CD8+ T 세포 기능 회복: PDAC T cell CD8+에서 "T cell receptor signaling pathway"와 "Natural killer cell mediated cytotoxicity"가 억제되어 있는 것은 췌장암에서 T 세포의 기능 부전이 심각함을 나타냅니다. 따라서 T 세포 활성화를 유도하거나 T 세포 소진을 역전시키는 전략, 예를 들어 CAR-T 세포 치료 또는 보조 면역 자극제와의 병용 요법 등이 고려될 수 있습니다.
  4. 혈관 신생 억제: "VEGF signaling pathway"는 Ductal cell과 Endothelial cell에서 모두 활성화되어 있어, PDAC의 강력한 혈관 신생을 뒷받침합니다. VEGF 억제제와 같은 혈관 신생 억제제는 췌장암 치료의 한 축으로 활용될 수 있으며, 다른 치료법과의 병용 요법을 통해 시너지를 얻을 수 있을 것으로 예상됩니다.
  5. 대사 재편성: Ductal cell 및 Endothelial cell에서 관찰되는 대사 경로(예: "Adipocytokine signaling pathway", "Lysine degradation", "Cholesterol metabolism")의 변화는 췌장암 세포 및 미세환경 세포의 독특한 대사 요구 사항을 반영합니다. 이러한 대사 경로를 표적으로 하는 것은 췌장암 치료의 새로운 접근 방식이 될 수 있습니다.

22. Discussion

본 단일 세포 분석은 췌장 선암(PDAC) 미세환경의 복잡성과 역동성을 다각적으로 보여줍니다. PDAC 샘플에서 췌관 세포는 현저한 이수성을 보이며 세포 주기 관련 유전자(MYC, CDK7 등)가 과발현되어 통제 불가능한 증식 특성을 명확히 드러냅니다. 이는 암세포의 전형적인 유전체 불안정성과 공격적인 성장 양상을 반영합니다. 특히, unassigned 세포 집단에서도 유사한 CNV 패턴과 이수성이 관찰되어, 이들이 고도로 변형된 암세포일 가능성을 강력히 시사하며, 기존 세포 유형 분류의 한계를 보여줍니다.

종양 미세환경(TME)은 정상 인접 조직과 확연히 다른 구성과 상호작용 패턴을 보였습니다. 대식세포 집단은 PDAC에서 M1 아형 비율이 높았음에도 불구하고, 면역 억제에 기여하는 표면 마커(LILRB2)와 경로(PD-L1, TGF-beta, TLR4, NF-kappa B)의 활성화를 보여, 이들의 실제 항종양 기능이 저해되거나 종양 촉진 역할을 겸할 가능성을 시사합니다. T 세포 분석에서는 세포독성 T 세포(T_Cyto)의 유의미한 감소와 T_Naive, Tfh, ILCreg의 증가가 관찰되어, 췌장암이 강력한 면역 억제 환경을 조성하여 효과적인 항종양 면역 반응을 회피하고 있음을 뒷받침합니다. 특히 T cell CD8+에서 T 세포 수용체 신호 전달 및 자연 살해 세포 매개 세포독성 경로가 억제된 것은 T 세포 기능 부전 또는 소진의 명확한 증거입니다.

세포-세포 상호작용(CCI) 분석은 PDAC TME 내에서 면역 회피 및 종양 진행을 주도하는 핵심 분자들을 밝혀냈습니다. 악성 췌관 세포와 대식세포 간의 CD47-SIRPα 축 활성화는 암세포의 탐식 회피를 설명하며, TGF-β 신호 전달 경로는 종양 세포, 대식세포, 내피 세포 전반에 걸쳐 활성화되어 섬유화와 면역 억제를 촉진합니다. CEACAM 계열, SPP1-integrin 복합체, MET, ERBB2와 같은 표면 마커와 관련 경로들의 동시다발적인 활성화는 PDAC 세포의 높은 이동성, 침윤성, 증식 능력 및 면역 회피 능력을 지지합니다. 또한, 혈관 내피 세포에서 VEGF 신호 전달 경로의 활성화는 췌장암의 강력한 혈관 신생을 반영합니다.

이러한 결과는 췌장암이 단순한 종양 세포의 증식을 넘어, 고도로 복잡하고 조절된 TME 내에서 다양한 세포 유형들이 상호작용하며 질병 진행을 촉진한다는 것을 보여줍니다. 특히, 다른 암종에서는 잘 보고되지 않거나 강조되지 않는 특정 대식세포 아형 비율 변화 및 ILCreg과 같은 면역 세포의 역할 변화는 췌장암의 독특한 면역 생물학을 강조합니다. 이러한 통찰은 췌장암의 진단 및 치료 전략 개발에 있어 다각적인 접근의 필요성을 강조합니다.

가설:

  1. 췌장 선암(PDAC)의 췌관 세포는 유전체 불안정성(이수성)과 세포 주기 조절 이상을 통해 통제 불가능한 증식을 보이며, 이는 MYC 및 CDK7과 같은 핵심 유전자 발현 증가와 밀접하게 관련되어 질병 진행을 가속화할 것이다.
  2. PDAC 종양 미세 환경(TME) 내 대식세포는 M1 유사 표현형을 유지하더라도 LILRB2, PD-L1, TGF-β 신호와 같은 면역 억제 분자 및 경로의 활성화를 통해 항종양 면역 반응을 효과적으로 억제하고 종양 성장을 촉진할 것이다.
  3. PDAC TME에서 세포독성 T 세포(T_Cyto)의 감소와 T_Naive, Tfh, ILCreg의 증가는 면역 관용(immune tolerance)을 유도하고 항종양 면역 감시를 회피하는 핵심 메커니즘으로 작용하여, 기존 면역 치료법에 대한 낮은 반응성을 설명할 것이다.
  4. 악성 췌관 세포(Aneuploid Ductal cell)와 TME 내 대식세포 및 기질 세포 간의 CD47-SIRPα, TGF-β, SPP1-integrin, CEACAM 등의 상호작용은 PDAC 세포의 생존, 침윤, 전이 및 면역 회피를 복합적으로 촉진할 것이다.

잠재적 치료 표적:

  1. ERBB2 (HER2): PDAC 종양 기원 세포인 췌관 세포에서 유전자 증폭과 높은 표면 발현이 관찰됩니다. ERBB2는 암세포의 증식과 생존을 촉진하는 주요 종양유전자(oncogene)입니다. Evidence: CNV 히트맵에서 17q21.2-17q21.2 영역에서 ERBB2의 유의미한 증폭이 확인되었고, Ductal cell의 조건별 표면 마커 분석에서 PDAC 췌관 세포에서 ERBB2의 높은 발현이 관찰되었습니다 (Section 4, 16). Validation: PDAC 환자 유래 오가노이드 또는 PDX (환자 유래 이종이식) 모델에서 HER2 표적 항체(예: 트라스투주맙) 또는 Tyrosine Kinase Inhibitor (TKI) 치료에 대한 반응성을 평가하고, ERBB2 발현 수준과 치료 효능 간의 상관관계를 분석합니다. 또한, 임상 바이오마커로서의 가능성을 확인하기 위해 환자 코호트에서 ERBB2 증폭 또는 과발현 여부를 FISH, IHC 또는 ctDNA 검사로 확인합니다.
  2. MSLN (Mesothelin): PDAC 췌관 세포에서 특이적으로 과발현되는 표면 당단백질로, 암세포의 증식 및 생존을 촉진하며 진단 및 치료 표적으로서 잠재력이 높습니다. Evidence: Ductal cell의 조건별 표면 마커 분석에서 PDAC 췌관 세포에서 MSLN의 매우 높은 발현이 확인되었습니다 (Section 16). Validation: MSLN 발현 양성인 PDAC 세포주 및 오가노이드에 MSLN 표적 CAR T-세포 또는 항체-약물 접합체(ADC)를 적용하여 항암 효능을 in vitro 및 in vivo 모델에서 평가합니다. 또한, 환자 조직 및 혈액에서 MSLN 발현 수준을 측정하여 진단 및 예후 바이오마커로서의 활용 가능성을 검증합니다.
  3. CD47-SIRPα 축: 악성 췌관 세포(Aneuploid Ductal cell)가 대식세포의 탐식을 회피하기 위해 활성화하는 'Don't eat me' 신호입니다. 이 축을 차단하면 대식세포에 의한 암세포 제거를 촉진할 수 있습니다. Evidence: PDAC 조건에서 Aneuploid Ductal cell과 Macrophage 간에 CD47-SIRPB1_complex의 활발하고 유의미한 상호작용이 관찰되었습니다 (Section 13, 15). CD4+ T 세포의 표면 마커 분석에서도 PDAC 조건에서 CD47 발현이 증가하는 경향을 보였습니다 (Section 18). Validation: PDAC 동물 모델에 CD47 또는 SIRPα를 표적하는 항체를 투여하여 종양 성장 억제 및 대식세포의 탐식 작용 증가 여부를 평가합니다. 또한, 면역관문억제제와의 병용 요법 효과를 비교하여 면역 시너지를 확인합니다. in vitro에서는 PDAC 세포주와 대식세포의 공동 배양 실험을 통해 탐식 효율 변화를 관찰합니다.
  4. TGF-beta 신호 전달 경로: PDAC 미세환경 전반에 걸쳐 활성화되어 종양 성장, 침윤, 섬유화 및 면역 억제를 유도하는 핵심 경로입니다. 이 경로의 억제는 다각적인 항암 효과를 기대할 수 있습니다. Evidence: PDAC 췌관 세포에서 TGFB1 및 SMAD2의 발현이 유의하게 증가했으며 (Section 19), Ductal cell, Macrophage, Endothelial cell에서 TGF-beta 신호 전달 경로가 활성화되어 있음이 GSEA를 통해 확인되었습니다 (Section 21). 또한, PDAC 조건에서 Aneuploid Ductal cell과 Macrophage 간의 TGFB1-integrin/TGFBR_complexes 상호작용이 강하게 나타났습니다 (Section 13, 14). Validation: PDAC 세포주 및 환자 유래 오가노이드에 TGF-beta 억제제를 처리하여 세포 증식, 이동, 상피-간엽 전이(EMT) 관련 유전자 발현 변화를 평가합니다. PDX 모델에 TGF-beta 억제제를 투여하여 종양 성장 억제, 섬유화 감소, TME 내 면역 세포 조성 및 기능 변화를 분석하고, 다른 면역 조절제와의 병용 요법 효능을 확인합니다.
  5. MYC: 8q 영역의 유전자 증폭과 함께 PDAC 췌관 세포에서 발현이 유의하게 증가하는 강력한 암 유전자(oncogene)로, 세포의 무절제한 증식을 직접적으로 유도합니다. Evidence: Ductal cell 및 unassigned 세포의 CNV 분석에서 8q 영역(8q24.23-8q24.1)에서 높은 증폭 빈도와 MYC 유전자의 존재가 확인되었으며 (Section 4), PDAC 췌관 세포의 세포 주기 관련 유전자 발현 분석에서 MYC의 발현이 Adj_normal 대비 유의하게 상향 조절됨을 확인했습니다 (Section 19). Validation: MYC는 직접적인 표적화가 어려운 경우가 많으므로, MYC 활성에 의존하는 하위 경로(예: 세포 주기 조절자)를 표적하는 전략을 검증합니다. PDAC 세포주 및 오가노이드에서 MYC 발현을 억제하거나, MYC를 표적하는 새로운 저분자 화합물 또는 전사 인자 억제제를 사용하여 세포 증식, 아포토시스, 그리고 세포 주기 관련 유전자 발현 변화를 분석합니다. MYC 증폭이 확인된 PDAC PDX 모델에서 해당 억제제의 치료 효능을 평가합니다.
  6. LILRB2 (ILT4): PDAC 관련 대식세포(Macrophage)에서 특이적으로 발현이 증가하는 면역 억제성 수용체로, T 세포 활성을 억제하여 면역 회피에 기여합니다. Evidence: Macrophage의 조건별 표면 마커 분석에서 PDAC Macrophage에서 LILRB2의 높은 발현이 확인되었습니다 (Section 17). Validation: PDAC TME에서 분리한 대식세포에서 LILRB2 발현을 억제하거나, LILRB2를 차단하는 항체를 사용하여 T 세포의 증식 및 사이토카인 분비 등 기능적 변화를 in vitro 공동 배양 시스템에서 평가합니다. LILRB2 억제제가 PDAC 동물 모델에서 종양 성장 및 TME 내 면역 세포 구성에 미치는 영향을 분석하고, 다른 면역 치료제와의 병용 효과를 검증합니다.

후속 검증 아이디어:

  1. 유전체 불안정성 및 MYC/CDK7 기능 검증: PDAC 환자 유래 오가노이드 또는 종양 세포주에서 MYC, CDK7 유전자를 표적하여 발현을 억제하고 (CRISPR/Cas9 또는 shRNA), 세포 주기 진행, 증식 속도, 아포토시스 변화를 in vitro 및 in vivo 이종이식 모델에서 평가한다. CNV FISH 또는 ddPCR을 통해 특정 염색체 영역의 증폭 빈도를 확인하고, 이수성 정도와 MYC/ERBB2 발현 수준 간의 상관관계를 면역형광 염색법으로 검증한다.
  2. 대식세포 기능 및 LILRB2/PD-L1 역할 분석: PDAC TME에서 분리한 대식세포를 이용하여 LILRB2 및 PD-L1 발현 정도에 따른 T 세포 활성화 억제능을 in vitro 공동 배양 실험(co-culture assay)으로 평가한다. LILRB2 또는 PD-L1을 억제했을 때 T 세포의 세포독성 및 사이토카인 분비 변화를 확인한다. 또한, 공간 전사체학(spatial transcriptomics) 또는 다중 면역 염색(multiplex immunohistochemistry)을 통해 PDAC 조직 내 LILRB2 발현 대식세포의 공간적 분포와 다른 면역 세포와의 근접도를 분석한다.
  3. T 세포 아형 기능 및 면역 억제 메커니즘 연구: PDAC 환자 종양 조직과 인접 정상 조직에서 분리한 T 세포 아형(T_Cyto, T_Naive, Tfh, ILCreg)의 기능적 특성(사이토카인 분비, 증식 능력, 세포독성)을 flow cytometry 또는 ELISpot assay로 비교 분석한다. 특히 증가된 T_Naive 세포가 종양 항원에 대한 반응성이 낮은지, 또는 TME 내 억제성 신호에 의해 기능 부전 상태가 되는지 in vitro 자극 실험을 통해 확인한다.
  4. CD47-SIRPα 및 TGF-β 상호작용의 치료 효과 검증: PDAC 종양 세포 및 대식세포를 이용한 in vitro 공동 배양 모델에서 CD47 또는 SIRPα를 차단하는 항체 및 TGF-β 억제제를 처리하여 대식세포의 탐식 작용 변화, T 세포 활성화, 종양 세포 증식 및 침윤 억제 효과를 평가한다. 또한, PDAC 동물 모델에 이들 억제제를 투여하여 종양 성장 억제 및 TME 내 면역 세포 구성 변화를 분석한다.
  5. MSLN/MET/ERBB2 표적 치료제 민감도 평가: PDAC 세포주 및 환자 유래 오가노이드에서 MSLN, MET, ERBB2 발현 수준에 따른 해당 표적 치료제(예: MSLN-CAR-T, MET 억제제, HER2 표적 항체)의 반응성을 in vitro 및 in vivo 실험을 통해 평가한다. 이를 통해 특정 마커의 발현이 높은 환자군에서 표적 치료 효능을 예측하는 바이오마커로 활용 가능성을 타진한다.

제한점:

본 보고서의 분석은 단일 세포 RNA 시퀀싱 데이터에 기반하며, 이는 전사체 수준의 정보를 제공하므로 단백질 수준의 발현 및 기능적 검증이 추가적으로 필요합니다. CNV 추정은 RNA-seq 데이터를 기반으로 하여 DNA 수준의 직접적인 유전체 분석(예: WGS, FISH)만큼의 해상도나 정확도를 가지지 못할 수 있습니다. 또한, 세포-세포 상호작용 분석은 통계적 예측에 기반하므로, 보고된 상호작용이 실제로 생체 내에서 기능적인 영향을 미치는지에 대한 실험적 검증이 필수적입니다. 분석된 PDAC 샘플은 다양한 환자로부터 유래하지만, 환자 집단의 크기와 대표성에는 한계가 있으며, 관찰된 이질성이 모든 PDAC 환자에게 일반화될 수 없습니다. 본 분석은 상관관계를 제시하며, 특정 관찰이 PDAC의 원인 또는 결과인지는 인과 관계를 확립하기 위한 추가적인 기능 연구가 필요합니다.

23. 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 세포 (Ductal cell)와 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. Macrophage에 대한 subset population barplot으로 보여주고 저장해.
  9. T cell subset population에서 조건간 유의하게 차이나는 것들이 있으면 boxplot으로 보여주고 저장해. ncols는 전체 panel 수 보고 적당히 정해줘.
  10. Macrophage subset population에서 조건간 유의하게 차이나는 것들이 있으면 boxplot으로 보여주고 저장해. ncols는 전체 panel 수 보고 적당히 정해줘.
  11. 종양 기원 세포 (Ductal cell)와 unassigned 세포 골라서 이들에 대한 ploidy population을 barplot으로 보여주고 저장해.
  12. 조건별로 Ductal cell, Fibroblast, Macrophage, T cell 등을 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. 주요 면역세포와 기질세포에 대한 조건별 세포간 상호작용에서 통계적으로 유의하게 차이나는 것들을 찾아서 dot plot으로 보여주고 저장해. max_n_items_per_group = 25로 놓고
  16. 종양 기원 세포(Ductal cell)의 조건별 마커들 dot-plot으로 보여주고 저장해. surfaceome 마커만 조건별로 50개까지.
  17. Macrophage의 조건 (PDAC vs Adj_normal)별 마커들을 추출해서 dotplot으로 보여주고 저장해. surfaceome 마커만 조건별로 50개까지
  18. T cell CD4+의 조건 (PDAC vs Adj_normal)별 마커들을 추출해서 dotplot으로 보여주고 저장해. surfaceome 마커만 조건별로 50개까지
  19. Cell cycle 경로 관련 유전자 중 Ductal cell에 대해 조건 (PDAC vs Adj_normal)별로 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.
  20. Ductal cell의 Gene ontology (GSA) 분석 결과 bar-plot으로 보여주고 저장해.
  21. Ductal cell, Macrophage, T cell CD8+, Endothelial cell에 대한 Gene set enrichment analysis 결과 dotplot으로 보여주고 저장해. color map은 RdBu_r로 n_pws_to_show = 80으로 해주고..
↑ Top