IF36.1｜TCAT：可复现的单细胞T细胞状态注释框架

用46个跨数据集共识基因程序，同时解析T细胞亚群、激活状态与功能。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

T细胞在癌症、感染和自身免疫病中发挥核心作用，单细胞RNA测序（scRNA-seq）被广泛用于刻画其状态。然而，传统聚类分析将细胞离散化，掩盖了T细胞转录组中多个共表达基因程序（GEP）的叠加效应。例如，增殖T细胞可能因细胞周期程序而聚在一起，掩盖其亚群身份。基于成分的模型如非负矩阵分解（NMF）将转录组建模为GEP的加权组合，能更自然地反映细胞状态，但此前研究受限于数据集规模和生物学背景，且GEP跨数据集的可复现性尚不明确。

科学问题

卡在哪里： 已有NMF类方法虽能识别T细胞激活和耗竭相关程序，但缺乏一个覆盖多组织、多疾病背景的固定GEP目录，且未系统评估这些程序在新数据集中的可推广性。此外，如何将GEP用于预测细胞亚群、激活状态及临床表型仍缺乏标准化流程。

本文要回答： 构建一个跨数据集可复现的T细胞GEP目录，并开发starCAT框架，用于在新数据中量化预定义GEP的活性，进而注释T细胞亚群、激活状态和功能。

技术路线

作者主要用了：scRNA-seq、CITE-seq、TCR-seq、cNMF、Harmony、非负最小二乘。

作者首先改进cNMF算法，通过Harmony校正批次效应并整合表面蛋白数据，在7个大规模scRNA-seq数据集（共170万T细胞）上独立发现GEP，再通过跨数据集相关性聚类得到46个共识GEP（cGEP）。随后开发starCAT，利用非负最小二乘法在新数据中拟合这些固定cGEP的活性，并基于活性预测细胞亚群、激活状态等。最后，通过AIM-seq实验和多种疾病数据集验证cGEP的生物学意义及临床关联。

图 1　Fig. 1。图1展示了starCAT的工作流程：先在多个参考数据集中发现GEP，再聚类为cGEP，最后用于新数据集的注释。热图显示cGEP在不同数据集中的分布，绿色块表示该GEP在对应数据集中被发现，彩色条代表cGEP的类别。该图直观呈现了cGEP的跨数据集可重复性和分类。

核心亮点

亮点 1｜46个跨数据集共识GEP

作者从7个数据集（涵盖血液、组织、COVID-19、癌症、类风湿关节炎等）中识别出46个可复现的cGEP，包括17个亚群相关程序（如Treg、TH2、TH17）和25个功能程序（如增殖、细胞毒性、耗竭）。其中9个cGEP在所有7个数据集中均被发现，平均Pearson相关系数达0.81，表明高度可重复。这些cGEP为T细胞状态提供了统一的坐标系统，避免了每次重新聚类和注释的繁琐。

图 2　Fig. 2。图2比较了TCAT与其他方法在流感疫苗数据集上预测T细胞亚群的表现。UMAP图显示手动门控和TCAT预测的标签分布，条形图展示平衡准确率，TCAT显著优于聚类和参考映射方法。热图验证了TH1、TH2、TH17极化cGEP与经典标志物表达的一致性。

亮点 2｜TCAT优于聚类和参考映射

在独立的流感疫苗CITE-seq数据集上，TCAT基于cGEP的多标签分类器在预测10个手动门控T细胞亚群时，平衡准确率达到0.72，显著高于Leiden聚类（0.61）、Symphony（0.58）、Azimuth（0.52）和ProjecTILs（0.13）。TCAT还能同时解析增殖、细胞毒性和干扰素响应等混杂程序，揭示被聚类掩盖的亚群结构，例如在CD4记忆细胞中区分出真正的增殖亚群和髓系双细胞污染。

图 3　Fig. 3。图3利用COMBAT数据展示TCAT如何解析被聚类掩盖的细胞状态。UMAP图显示已发表的CD4记忆亚群，其中增殖亚群被错误合并。TCAT通过共表达细胞周期和亚群cGEP，清晰区分了不同亚群的增殖状态，并揭示了细胞毒性、ISG等程序对聚类的干扰。

亮点 3｜AIM-seq鉴定TCR激活相关cGEP

通过激活诱导标记（AIM）实验结合scRNA-seq，作者鉴定了24个在抗原特异性激活后上调的cGEP，包括细胞周期、肌动蛋白细胞骨架、热休克蛋白等已知程序，以及CTLA4/CD38、ICOS/CD38、OX40/EBI3等新激活程序。其中17个cGEP在体内增殖细胞中也富集，支持其与TCR激活的关联。这些程序为定义T细胞激活状态提供了分子基础。

图 4　Fig. 4。图4描述AIM-seq实验设计和结果。示意图展示实验流程，流式细胞术图显示激活标志物在CD4+和CD4−群体中的表达。UMAP图按分选条件和手动门控着色，火山图展示cGEP与AIM阳性的关联，多个激活相关cGEP显著上调。

亮点 4｜ASA评分识别抗原特异性激活

作者基于4个AIM相关cGEP（TIMD4/TIM3、ICOS/CD38、CTLA4/CD38、OX40/EBI3）构建了抗原特异性激活（ASA）评分。ASA在预测CD71+CD95+共表达（AUC=0.920）和AIM阳性（AUC=0.828）方面表现优异，且优于9个已发表的T细胞激活基因集。ASA-high细胞富集于克隆扩增群体，并在COVID-19患者中显著增多，表明其能有效识别体内TCR激活的T细胞。

图 5　Fig. 5。图5展示ASA评分的性能和应用。箱线图显示ASA在激活和非激活细胞中的分布差异显著。UMAP图显示COMBAT数据中ASA-high细胞的分布，与增殖和克隆扩增相关。肿瘤数据中，ASA阳性率在不同癌种间变化，且与TMB和耗竭相关。

亮点 5｜ICI治疗反应与T细胞状态关联

在黑色素瘤、非黑色素瘤皮肤癌和结直肠癌数据集中，TCAT分析显示，ICI治疗无应答者治疗前CD4+和CD8+ T细胞中激活和细胞周期cGEP（如TIMD4/TIM3、OX40/EBI3、CellCycle-Late-S）的活性显著更高，而应答者则富集CD4-naive cGEP。荟萃分析证实这些关联在多个肿瘤类型中一致，提示治疗前T细胞激活和增殖状态可能预测ICI疗效。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： scRNA-seq、CITE-seq、TCR-seq、cNMF、Harmony、非负最小二乘
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 做单细胞免疫分析、肿瘤微环境或临床队列研究的生信从业者和研究生。

带走一句

别再只依赖聚类了：用固定GEP目录做注释，能同时拆解亚群、激活和功能信号，跨数据集可比且更省时。