编辑推荐：
近日，斯坦福大学领导的一项研究发现，单细胞多模态分析有助于鉴定NSCLC肿瘤微环境中与免疫治疗结局有关的表型特征。
非小细胞肺癌（NSCLC）占肺癌病例的80%以上，仍然是全球癌症相关死亡的主要原因。尽管免疫检查点抑制剂已出现，但其疗效仅限于27%至45%的患者。因此，鉴定可靠的生物标志物来预测治疗应答至关重要。
近日，斯坦福大学领导的一项研究发现，单细胞多模态分析有助于鉴定NSCLC肿瘤微环境中与免疫治疗结局有关的表型特征。
这项研究成果于5月23日发表在《Science Advances》杂志上，有望改善患者分层，并指导有效治疗方案的选择。
在这项研究中，斯坦福大学医学院的Olivier Gevaert及其同事假设，整合多模态生物医学数据集的肿瘤微环境信息可以指导医生选择有效的治疗方案。
为了验证这一假设，研究人员对132例NSCLC患者FFPE组织中肿瘤及周围微环境的空间特征进行了分析。他们通过分析多重免疫荧光（mIF）图像，检测了33个生物标志物的表达水平，同时整合了115例和122例患者的全切片组织学图像和RNA测序数据。
“我们的结果表明，与仅仅依赖单一数据模态相比，通过多模态数据分析整合每种模态的独特优势，可以提高治疗应答预测的准确性，” 作者指出。
之后，为了鉴定与免疫治疗应答相关的肿瘤微环境特征，研究人员采集了34例患者接受PD-1/PD-L1抗体治疗前的肿瘤样本。这些患者被分为应答者（n =11）和无应答者（n = 23）。
他们发现，细胞毒性T（Tc）细胞的比例及其与肿瘤微环境中抗原呈递细胞的空间邻近程度与免疫治疗应答的增强有关。
根据发现的空间特征，研究人员开发出一种名为NucSegAI的深度学习模型，可用于细胞核分割和细胞分类。利用该模型，他们分析了119张全切片图像中约4,560万个细胞。
NucSegAI发现了1,970万个肿瘤细胞、1,230万个淋巴细胞、960万个成纤维细胞、330万个巨噬细胞和70万个血管细胞。接下来，他们利用单细胞形态和拓扑分析（sc-MTOP）进一步分析了肿瘤细胞内及周围的各种淋巴细胞，将它们分为12个表型簇（Lym0到Lym11）。
研究人员发现，在对免疫检查点治疗产生应答的NSCLC患者中，肿瘤组织内Lym2表型簇的比例明显高于无应答者，而Lym4表型簇的比例明显低于无应答者。
作者报告称：“利用淋巴细胞表型在鉴定治疗应答者方面达到了0.78的AUC，优于传统的PD-1 IHC评分。我们的方法提供了一种自动化的可扩展方法，可从组织学图像中鉴定与临床相关的空间细胞表型。”
总的来说，这项研究利用多模态数据集全面表征了NSCLC组织中的细胞多样性、空间细胞关系和信号传导环境。研究还鉴定出与癌症进展相关的肿瘤微环境特征，这有望指导患者选择个性化的治疗方法。
生物通微信公众号
生物通 版权所有
