摘要：研究發(fā)現(xiàn)，單細(xì)胞多模態(tài)分析有助于鑒定NSCLC腫瘤微環(huán)境中與免疫治療結(jié)局有關(guān)的表型特征
非小細(xì)胞肺癌（NSCLC）占肺癌病例的80%以上，仍然是全球癌癥相關(guān)死亡的主要原因。盡管免疫檢查點(diǎn)抑制劑已出現(xiàn)，但其療效僅限于27%至45%的患者。因此，鑒定可靠的生物標(biāo)志物來預(yù)測(cè)治療應(yīng)答至關(guān)重要。
近日，斯坦福大學(xué)領(lǐng)導(dǎo)的一項(xiàng)研究發(fā)現(xiàn)，單細(xì)胞多模態(tài)分析有助于鑒定NSCLC腫瘤微環(huán)境中與免疫治療結(jié)局有關(guān)的表型特征。
這項(xiàng)研究成果于5月23日發(fā)表在《Science Advances》雜志上，有望改善患者分層，并指導(dǎo)有效治療方案的選擇。
圖1 單細(xì)胞多模態(tài)分析揭示非小細(xì)胞肺癌腫瘤微環(huán)境對(duì)治療反應(yīng)的預(yù)測(cè)作用在這項(xiàng)研究中，斯坦福大學(xué)醫(yī)學(xué)院的Olivier Gevaert及其同事假設(shè)，整合多模態(tài)生物醫(yī)學(xué)數(shù)據(jù)集的腫瘤微環(huán)境信息可以指導(dǎo)醫(yī)生選擇有效的治療方案。
為了驗(yàn)證這一假設(shè)，研究人員對(duì)132例NSCLC患者FFPE組織中腫瘤及周圍微環(huán)境的空間特征進(jìn)行了分析。他們通過分析多重免疫熒光（mIF）圖像，檢測(cè)了33個(gè)生物標(biāo)志物的表達(dá)水平，同時(shí)整合了115例和122例患者的全切片組織學(xué)圖像和RNA測(cè)序數(shù)據(jù)。
“我們的結(jié)果表明，與僅僅依賴單一數(shù)據(jù)模態(tài)相比，通過多模態(tài)數(shù)據(jù)分析整合每種模態(tài)的獨(dú)特優(yōu)勢(shì)，可以提高治療應(yīng)答預(yù)測(cè)的準(zhǔn)確性，” 作者指出。
之后，為了鑒定與免疫治療應(yīng)答相關(guān)的腫瘤微環(huán)境特征，研究人員采集了34例患者接受PD-1/PD-L1抗體治療前的腫瘤樣本。這些患者被分為應(yīng)答者（n =11）和無應(yīng)答者（n = 23）。
他們發(fā)現(xiàn)，細(xì)胞毒性T（Tc）細(xì)胞的比例及其與腫瘤微環(huán)境中抗原呈遞細(xì)胞的空間鄰近程度與免疫治療應(yīng)答的增強(qiáng)有關(guān)。
根據(jù)發(fā)現(xiàn)的空間特征，研究人員開發(fā)出一種名為NucSegAI的深度學(xué)習(xí)模型，可用于細(xì)胞核分割和細(xì)胞分類。利用該模型，他們分析了119張全切片圖像中約4,560萬個(gè)細(xì)胞。
圖2 基于多重免疫熒光成像（mIF）的非小細(xì)胞肺癌組織微環(huán)境表征
NucSegAI發(fā)現(xiàn)了1,970萬個(gè)腫瘤細(xì)胞、1,230萬個(gè)淋巴細(xì)胞、960萬個(gè)成纖維細(xì)胞、330萬個(gè)巨噬細(xì)胞和70萬個(gè)血管細(xì)胞。接下來，他們利用單細(xì)胞形態(tài)和拓?fù)浞治觯╯c-MTOP）進(jìn)一步分析了腫瘤細(xì)胞內(nèi)及周圍的各種淋巴細(xì)胞，將它們分為12個(gè)表型簇（Lym0到Lym11）。
研究人員發(fā)現(xiàn)，在對(duì)免疫檢查點(diǎn)治療產(chǎn)生應(yīng)答的NSCLC患者中，腫瘤組織內(nèi)Lym2表型簇的比例明顯高于無應(yīng)答者，而Lym4表型簇的比例明顯低于無應(yīng)答者。
作者報(bào)告稱：“利用淋巴細(xì)胞表型在鑒定治療應(yīng)答者方面達(dá)到了0.78的AUC，優(yōu)于傳統(tǒng)的PD-1 IHC評(píng)分。我們的方法提供了一種自動(dòng)化的可擴(kuò)展方法，可從組織學(xué)圖像中鑒定與臨床相關(guān)的空間細(xì)胞表型。”
總的來說，這項(xiàng)研究利用多模態(tài)數(shù)據(jù)集全面表征了NSCLC組織中的細(xì)胞多樣性、空間細(xì)胞關(guān)系和信號(hào)傳導(dǎo)環(huán)境。研究還鑒定出與癌癥進(jìn)展相關(guān)的腫瘤微環(huán)境特征，這有望指導(dǎo)患者選擇個(gè)性化的治療方法。
參考資料
[1] Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non–small cell lung cancer
摘要：研究發(fā)現(xiàn)，單細(xì)胞多模態(tài)分析有助于鑒定NSCLC腫瘤微環(huán)境中與免疫治療結(jié)局有關(guān)的表型特征
非小細(xì)胞肺癌（NSCLC）占肺癌病例的80%以上，仍然是全球癌癥相關(guān)死亡的主要原因。盡管免疫檢查點(diǎn)抑制劑已出現(xiàn)，但其療效僅限于27%至45%的患者。因此，鑒定可靠的生物標(biāo)志物來預(yù)測(cè)治療應(yīng)答至關(guān)重要。
近日，斯坦福大學(xué)領(lǐng)導(dǎo)的一項(xiàng)研究發(fā)現(xiàn)，單細(xì)胞多模態(tài)分析有助于鑒定NSCLC腫瘤微環(huán)境中與免疫治療結(jié)局有關(guān)的表型特征。
這項(xiàng)研究成果于5月23日發(fā)表在《Science Advances》雜志上，有望改善患者分層，并指導(dǎo)有效治療方案的選擇。
圖1 單細(xì)胞多模態(tài)分析揭示非小細(xì)胞肺癌腫瘤微環(huán)境對(duì)治療反應(yīng)的預(yù)測(cè)作用在這項(xiàng)研究中，斯坦福大學(xué)醫(yī)學(xué)院的Olivier Gevaert及其同事假設(shè)，整合多模態(tài)生物醫(yī)學(xué)數(shù)據(jù)集的腫瘤微環(huán)境信息可以指導(dǎo)醫(yī)生選擇有效的治療方案。
為了驗(yàn)證這一假設(shè)，研究人員對(duì)132例NSCLC患者FFPE組織中腫瘤及周圍微環(huán)境的空間特征進(jìn)行了分析。他們通過分析多重免疫熒光（mIF）圖像，檢測(cè)了33個(gè)生物標(biāo)志物的表達(dá)水平，同時(shí)整合了115例和122例患者的全切片組織學(xué)圖像和RNA測(cè)序數(shù)據(jù)。
“我們的結(jié)果表明，與僅僅依賴單一數(shù)據(jù)模態(tài)相比，通過多模態(tài)數(shù)據(jù)分析整合每種模態(tài)的獨(dú)特優(yōu)勢(shì)，可以提高治療應(yīng)答預(yù)測(cè)的準(zhǔn)確性，” 作者指出。
之后，為了鑒定與免疫治療應(yīng)答相關(guān)的腫瘤微環(huán)境特征，研究人員采集了34例患者接受PD-1/PD-L1抗體治療前的腫瘤樣本。這些患者被分為應(yīng)答者（n =11）和無應(yīng)答者（n = 23）。
他們發(fā)現(xiàn)，細(xì)胞毒性T（Tc）細(xì)胞的比例及其與腫瘤微環(huán)境中抗原呈遞細(xì)胞的空間鄰近程度與免疫治療應(yīng)答的增強(qiáng)有關(guān)。
根據(jù)發(fā)現(xiàn)的空間特征，研究人員開發(fā)出一種名為NucSegAI的深度學(xué)習(xí)模型，可用于細(xì)胞核分割和細(xì)胞分類。利用該模型，他們分析了119張全切片圖像中約4,560萬個(gè)細(xì)胞。
圖2 基于多重免疫熒光成像（mIF）的非小細(xì)胞肺癌組織微環(huán)境表征
NucSegAI發(fā)現(xiàn)了1,970萬個(gè)腫瘤細(xì)胞、1,230萬個(gè)淋巴細(xì)胞、960萬個(gè)成纖維細(xì)胞、330萬個(gè)巨噬細(xì)胞和70萬個(gè)血管細(xì)胞。接下來，他們利用單細(xì)胞形態(tài)和拓?fù)浞治觯╯c-MTOP）進(jìn)一步分析了腫瘤細(xì)胞內(nèi)及周圍的各種淋巴細(xì)胞，將它們分為12個(gè)表型簇（Lym0到Lym11）。
研究人員發(fā)現(xiàn)，在對(duì)免疫檢查點(diǎn)治療產(chǎn)生應(yīng)答的NSCLC患者中，腫瘤組織內(nèi)Lym2表型簇的比例明顯高于無應(yīng)答者，而Lym4表型簇的比例明顯低于無應(yīng)答者。
作者報(bào)告稱：“利用淋巴細(xì)胞表型在鑒定治療應(yīng)答者方面達(dá)到了0.78的AUC，優(yōu)于傳統(tǒng)的PD-1 IHC評(píng)分。我們的方法提供了一種自動(dòng)化的可擴(kuò)展方法，可從組織學(xué)圖像中鑒定與臨床相關(guān)的空間細(xì)胞表型。”
總的來說，這項(xiàng)研究利用多模態(tài)數(shù)據(jù)集全面表征了NSCLC組織中的細(xì)胞多樣性、空間細(xì)胞關(guān)系和信號(hào)傳導(dǎo)環(huán)境。研究還鑒定出與癌癥進(jìn)展相關(guān)的腫瘤微環(huán)境特征，這有望指導(dǎo)患者選擇個(gè)性化的治療方法。
參考資料
[1] Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non–small cell lung cancer
