掃碼聯(lián)系客服
空間轉(zhuǎn)錄組測序技術(shù)（ST）能夠?qū)⒒虮磉_(dá)情況與感興趣組織切片的染色圖像進(jìn)行整合，將組織內(nèi)細(xì)胞的基因表達(dá)信息定位到原始空間位置上，從而直接觀測組織中不同區(qū)域基因表達(dá)的差異。小編今天和大家分享一篇今年一月剛剛發(fā)表在CANCER RESEARCH（IF：13.312）雜志上關(guān)于三陰性乳腺癌空間轉(zhuǎn)錄組分析的文章。文章利用空間轉(zhuǎn)錄組數(shù)據(jù)識別出了三陰性乳腺癌的保守結(jié)構(gòu)，并對其功能及預(yù)后影響進(jìn)行了分析，文章邏輯清晰，簡單易懂，對空間轉(zhuǎn)錄組感興趣的小伙伴不要錯過呀。
Spatial transcriptomic analysis of a diverse patient cohort reveals a conserved architecture in triple-negative breast cancer
不同患者隊列的空間轉(zhuǎn)錄組分析揭示三陰性乳腺癌的保守結(jié)構(gòu)
一、研究背景
乳腺癌是最普遍的女性癌癥，分為不同的組織學(xué)和分子亞型。其中，三陰性乳腺癌(TNBC)是一種不表達(dá)雌激素受體、孕激素受體或HER2擴(kuò)增的乳腺癌。由于TNBC具有更強(qiáng)的侵襲性，且易發(fā)生早期轉(zhuǎn)移，因此在臨床治療上具有挑戰(zhàn)性。此外，TNBC與其他乳腺癌亞型相比也表現(xiàn)出更高的復(fù)發(fā)率及更差的預(yù)后，而且由于TNBC缺少可操作靶點的表達(dá)，使得開發(fā)有效的治療方法更加困難。因此，該文章利用空間轉(zhuǎn)錄組數(shù)據(jù)來研究TNBC，以期能夠全面注釋其空間結(jié)構(gòu)并探索細(xì)胞亞群的轉(zhuǎn)錄狀態(tài)。
二、文章摘要
研究對14例TNBC患者的28個切片隊列中的38706個空間特征進(jìn)行了空間轉(zhuǎn)錄組分析。研究發(fā)現(xiàn)腫瘤內(nèi)各個切片的空間特征表現(xiàn)出不同的轉(zhuǎn)錄亞結(jié)構(gòu)。研究進(jìn)一步對所有樣本進(jìn)行綜合分析識別了9個不同的轉(zhuǎn)錄亞群。此外，研究使用連接計數(shù)分析也發(fā)現(xiàn)了共享轉(zhuǎn)錄亞群的非隨機(jī)定向空間依賴性，證明了TNBC中存在保守的空間轉(zhuǎn)錄結(jié)構(gòu)，這些發(fā)現(xiàn)也在獨立的驗證隊列中得到了證實。此外，研究也分析了這些轉(zhuǎn)錄亞群的功能及預(yù)后影響。
三、文章的主要內(nèi)容及結(jié)果
1. 樣本的選擇及空間轉(zhuǎn)錄組
文章第一部分對使用的樣本及空間轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行了介紹。研究選擇了14例原發(fā)性TNBC腫瘤樣本進(jìn)行研究，并從每個腫瘤中獲得兩個組織切片。因此，研究隊列包括28個TNBC組織切片，接著作者進(jìn)行了空間轉(zhuǎn)錄組(ST)研究，研究流程如圖1所示。最終，平均每個樣本產(chǎn)生了1382個空間特征的表達(dá)數(shù)據(jù)，接著研究對每個樣本的表達(dá)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，后續(xù)分析均使用標(biāo)準(zhǔn)化的數(shù)據(jù)進(jìn)行。
2. 樣本的人工及基因特征注釋
這一部分文章對樣本的注釋進(jìn)行了介紹。研究首先由解剖病理學(xué)家根據(jù)染色圖像對每個樣本的癌組織進(jìn)行了手動標(biāo)注(圖2A)，結(jié)果發(fā)現(xiàn)切片以腫瘤和纖維化區(qū)域為主，而壞死區(qū)域、脂肪組織和免疫浸潤較少。接下來，研究使用ESTIMATE定義每個樣本的轉(zhuǎn)錄結(jié)構(gòu)，發(fā)現(xiàn)ESTIMATE結(jié)果與組織手工注釋結(jié)果緊密相關(guān)，例如樣本094D(圖2A)中，ESTIMATE的間質(zhì)評分展示了廣泛的纖維化區(qū)域(圖2B)，而腫瘤純度評分則準(zhǔn)確地識別了腫瘤區(qū)域(圖2B-C)。此外，在樣本120D中，人工注釋發(fā)現(xiàn)了的密集的淋巴浸潤區(qū)域以及纖維化和壞死區(qū)域(圖2D)，而ESTIMATE評估同樣觀察到了一致的結(jié)果(圖2E-F)。接下來研究使用了一組來自腫瘤相關(guān)免疫細(xì)胞的細(xì)胞類型特異性表達(dá)特征，對免疫細(xì)胞浸潤特征進(jìn)行進(jìn)一步刻畫，發(fā)現(xiàn)了T細(xì)胞富集的空間模式及其余區(qū)域巨噬細(xì)胞強(qiáng)烈表達(dá)的特征(圖2G-H)。接著研究進(jìn)一步觀察到同一患者的樣本顯示出相似的腫瘤純度(圖2I)，且UMAP降維也反映了配對樣本的轉(zhuǎn)錄的相似性。此外，研究發(fā)現(xiàn)在所有樣本中免疫評分和間質(zhì)評分密切相關(guān)，兩者在組織學(xué)定義的纖維化區(qū)域富集(圖2J)。
3. 聚類揭示了瘤內(nèi)異質(zhì)性
這一部分研究對TNBC的遺傳異質(zhì)性進(jìn)行了探索。作者首先在單個樣本內(nèi)使用ST數(shù)據(jù)進(jìn)行無監(jiān)督聚類，結(jié)果觀察到低分辨率的空間特征聚類識別的腫瘤和間質(zhì)區(qū)域與基于組織學(xué)和信息學(xué)注釋的結(jié)果一致(圖2A-B)。此外，研究也觀察到腫瘤及間質(zhì)存在不同的轉(zhuǎn)錄區(qū)域(圖2A-B)。研究發(fā)現(xiàn)樣本平均包含4個腫瘤亞群和1個非腫瘤亞群(圖2C)。接著，研究基于表達(dá)數(shù)據(jù)對樣本094D進(jìn)行聚類分析，識別出6個亞群(圖3A-B)，其中3個亞群腫瘤純度高，還有一個亞群表現(xiàn)出較低的腫瘤純度，為纖維化的亞群(圖3C-D)。研究也觀察到樣本中混合Lehmann等人定義的TNBC亞型(圖3E)。接下來研究通過差異表達(dá)識別了每個亞群的表達(dá)特征(圖3F-G)，并通過基因集富集分析(GSEA)來識別每個亞群富集的分子通路(圖3H)，研究也觀察到亞群水平的GSEA的結(jié)果與特征水平的富集結(jié)果一致(圖3I)。
4. 數(shù)據(jù)整合及共享細(xì)胞亞群的識別
在這一部分作者研究了TNBC共享的空間轉(zhuǎn)錄特征。研究首先整合了所有特征的表達(dá)數(shù)據(jù)，接著進(jìn)行聚類分析，得到9個整合亞群(ICs)(圖4A)，然后作者對亞群中可以映射回單個樣本的特征進(jìn)行了分配來評估跨樣本及切片的聚類子結(jié)構(gòu)(圖4B)。結(jié)果發(fā)現(xiàn)亞群IC3、IC6和IC7可能代表間質(zhì)免疫細(xì)胞，而其余亞群則主要是腫瘤細(xì)胞并具有不同的腫瘤純度(圖4C)。此外，研究也發(fā)現(xiàn)每個IC都以不同的比例出現(xiàn)在所有個體樣本中(圖4D)。研究進(jìn)一步評估了IC的標(biāo)記基因(圖4E)，發(fā)現(xiàn)標(biāo)記基因與各自的IC共定位(圖4F)。接下來，研究對IC表達(dá)數(shù)據(jù)進(jìn)行GSEA分析，發(fā)現(xiàn)IC5中富集缺氧特征，而IC9參與干擾素α和γ反應(yīng)通路(圖4G)。接著作者對IC的表達(dá)數(shù)據(jù)進(jìn)行CIBERSORTx分析，結(jié)果發(fā)現(xiàn)與ESTIMATE和GSEA分析一致，IC3的CIBERSORTx得分最高(圖4H)。此外，腫瘤簇IC5具有較高比例的腫瘤相關(guān)巨噬細(xì)胞，而CD4及CD8 T細(xì)胞則相對缺乏(圖4H)。
5. 整合亞群的空間分布
研究在這一部分對整合亞群的空間分布進(jìn)行了分析。作者使用連接計數(shù)分析（JCA）對IC之間的空間相關(guān)性進(jìn)行了研究(圖5A)。接著研究對空間數(shù)據(jù)進(jìn)行光柵化并保持分類信息(圖5B-C)，結(jié)果發(fā)現(xiàn)空間上接近的觀測結(jié)果有許多相似的鄰居和連接(圖5D)，而空間分散的觀測結(jié)果則展現(xiàn)出鄰居不相似性(圖5E)。接著作者將觀察到的每對觀測數(shù)據(jù)的連接計數(shù)與空間隨機(jī)條件下的預(yù)期結(jié)果進(jìn)行了比較(圖5F)。此外，研究使用z-score表示空間相關(guān)性，發(fā)現(xiàn)每個IC通常具有強(qiáng)的正自相關(guān)特征(圖5G)。接下來作者將JCA應(yīng)用于所有樣本（圖5H），結(jié)果觀察到幾個亞群的空間關(guān)系具有一致的模式(圖5I)。
6. 獨立驗證隊列的注釋
在這一部分作者在驗證隊列中驗證了參考隊列定義的IC。驗證隊列中的樣本從II期到III期且具有不同的腫瘤純度(圖6A)。接下來，作者將IC標(biāo)簽與每個樣本的手動注釋和腫瘤純度評分進(jìn)行了比較(圖6B-D)，且當(dāng)對所有樣本的腫瘤純度評分進(jìn)行分析時發(fā)現(xiàn)其模式與參考隊列中的模式相匹配(圖6E, 4C)。此外，作者進(jìn)一步發(fā)現(xiàn)參考數(shù)據(jù)集中識別的IC標(biāo)記基因與驗證集相對應(yīng)(圖6F)。此外，JCA結(jié)果表明參考隊列中觀察到的所有強(qiáng)空間相關(guān)性都在驗證樣本中得到了證實(圖6G-H)。
7. TNBC空間轉(zhuǎn)錄組揭示種族差異
在文章的最后一部分研究分析了IC的種族差異。研究發(fā)現(xiàn)白種人樣本中IC3、IC6和IC8的比例較高，而IC5、IC7和IC9的則主要是美國非裔（AA）樣本(圖7A)，且白種人的IC3明顯高于AA樣本，而AA樣本的IC5也顯著更高(圖7B)。作者進(jìn)一步對IC3和IC5進(jìn)行分析，CIBERSORTx結(jié)果表明IC3在白種人樣本中淋巴細(xì)胞和巨噬細(xì)胞含量顯著更高，而AA樣本的整體免疫細(xì)胞含量較低(圖7C-D)。接著研究驗證了IC5與AA和白種人樣本中高缺氧評分的特征相關(guān)(圖7E)，且具有高腫瘤純度評分的特征(圖7F)。此外，研究也發(fā)現(xiàn)在驗證隊列中NDRG1與IGKC在AA特征的IC5中表達(dá)更高(圖8A)，其中IGKC高表達(dá)具有保護(hù)作用(圖8B-D)。相反，NDRG1的高表達(dá)與較差的預(yù)后相關(guān)(圖8E)。
到這里這篇文章的主要內(nèi)容就介紹完了，文章對空間轉(zhuǎn)錄數(shù)據(jù)進(jìn)行分析識別出了TNBC的一個保守的空間結(jié)構(gòu)。文章的分析方法并不難，但亮點在于使用了熱點的空間轉(zhuǎn)錄組數(shù)據(jù)，畢竟空間轉(zhuǎn)錄組測序技術(shù)解決了組織測序難以區(qū)分不同細(xì)胞的基因表達(dá)情況，以及單細(xì)胞轉(zhuǎn)錄組無法解決細(xì)胞原始位置表達(dá)的難題。如今空間轉(zhuǎn)錄組數(shù)據(jù)越來越多，小編覺得做單細(xì)胞的小伙伴們也可以考慮加入空間轉(zhuǎn)錄組分析，畢竟研究切入熱點可能會產(chǎn)生事半功倍的效果。
