机器学习联合空间转录组揭示口腔鳞状细胞癌患者生存预后的关键空间区域

恶性肿瘤口腔鳞状细胞癌

AliveX 焕一生物

09/30

查看原文

口腔鳞状细胞癌(oral squamous cell carcinoma，OSCC)是口腔最常见的恶性肿瘤，占所有口腔恶性肿瘤的90%以上。该病具有发病率高，侵袭能力强，易转移的特点，这也是造成患者预后不佳及死亡的主要原因，然而当前对口腔鳞状细胞癌侵袭和转移的研究较少。

2023年8月18日，来自卡尔加里大学卡明医学院的研究团队在 Nature Communications(IF=14.7)上发表了题为Spatial transcriptomics reveals distinct and conserved tumor core and edge architectures that predict survival and targeted therapy response的文章。

该研究应用单细胞转录组学、空间转录组学对口腔鳞状细胞癌的肿瘤核心区(TC)和前缘区(LE)进行深入探究，研究人员发现TC和LE的恶性细胞具有独特的转录特征及独特的配受体相互作用，这可能与空间上独特的癌细胞状态相关。该研究还通过构建机器学习预测模型，在多种癌症类型中识别了保守的TC和LE的基因特征，并揭示了其与预后的关系，为口腔鳞状细胞癌的深入研究与精准医疗提供了新见解。

单细胞和空间转录组联合分析鉴定TC和LE区域

该研究对12份HPV阴性口腔鳞状细胞癌样本进行了空间转录组测序，应用单细胞测序公共数据与空转数据进行联合分析，鉴定了主要的细胞类型。将反卷积评分>0.99或CNV概率评分>0.99认定为恶性细胞，通过对3个恶性细胞簇进行差异基因表达分析，将其中2个细胞簇注释为肿瘤核心区(TC)和前缘区(LE)。TC和LE在患者中是保守的，二者具有独特的功能特征，TC的特征是角质化和分化状态，而LE具有多种侵袭和转移特性。

TC 和 LE 是 OSCC 微环境中独特的空间区域

TC和LE存在不同的癌细胞状态和细胞间通讯机制

为了验证TC和LE的表达谱是否和既往研究报道的HNSCC分子亚型相关，该研究将HNSCC亚型表达特征与空转数据进行了整合，结果发现患者们肿瘤微环境中可能存在多个分子亚型，亚型组成的模式也并不一致。研究人员同时验证了癌症干细胞 (CSCs)和TC、LE的关联，发现二者存在不同的癌细胞状态，LE中存在间充质样CSC状态，TC中存在上皮样CSC状态，免疫荧光染色结果验证了这一发现。

接下来研究人员表征了TC和LE的细胞通讯机制，结果发现TC-TC癌细胞通过DSC2-DSG1和ANGPTL4-SDC1等发生信号传导，其中ANGPTL4-SDC1可能和癌症转移相关信号通路被抑制相关。LE-LE癌细胞可通过LAMB3-ITGA6_ITGB4 、LAMB3-ITGA6_ITGB1和 MIF-CD74_CD44(和致癌信号通路启动相关)发生信号传导。巨噬细胞是TC周围最丰富的细胞类型，巨噬细胞和TC参与了黏附桥粒和钙粘蛋白信号传导。同时巨噬细胞和细胞毒性T细胞也参与了LE和ecm-myCAF细胞类型间的信号传导。总之，TC和LE中的恶性细胞参与不同细胞间通讯，进一步描绘了二者独特性。

TC和LE癌细胞的状态和细胞间通讯存在显著差异

机器学习模型揭示TC和LE特征在多癌种中的保守性与不同预后影响

为了表征TC和LE区域特征在其他癌症类型中是否也具有保守性，研究人员构建了基于机器学习的预测模型，将其应用于17个不同癌种的30个公开数据中，结果发现LE相关的表达状态在多种癌症环境中是保守的，而与TC相关的表达谱更具组织特异性，只有皮肤鳞状细胞癌、宫颈鳞状细胞癌、结肠腺癌等几种角质化程序相关的癌种在TC状态的spots识别上表现良好。

机器学习模型可识别多种癌症类型中保守的TC和LE特征

接下来研究人员用TCGA数据库中HPV阴性OSCC患者数据探究了TC和LE和患者预后的关联，结果发现高LE评分和更差的总体生存期和疾病特异性生存期相关，在20种常见肿瘤中也发现这一现象。

TC和LE特征的生存关联和预后特征

RNA速率分析揭示TC/LE动态转化与药物疗效预测

研究人员进一步通过RNA速率分析表征了TC和LE的发育轨迹，结果发现了TC向LE发展的分化层次，驱动分化的基因包括CSTA和IGHG3基因，其中CSTA为参与调节间充质上皮转化(EMT)的抑癌基因，IGHG3是一种免疫球蛋白(Ig)基因，与肿瘤增殖、侵袭和转移、免疫逃逸以及EMT样表型的介导有关。这些发现说明TC状态的癌细胞可以通过更具侵袭性的EMT样表型转变为LE状态的癌细胞，OSCC中独特的癌细胞状态也和空间调控相关。

接下来研究人员分析了药物反应和RNA速率分析结果的关联，结果发现有效药物(高AAC值)负责诱导 LE 状态逆转的转换概率，这一现象突出了LE作为治疗靶点的地位，因此研究人员提出了“有效的抗癌药物可能通过干预 LE癌细胞状态向TC癌细胞状态的转化，从而降低了细胞的侵袭性”这一观点。有一种CDK抑制剂Alvocidib 在分析中显示出较高的LE和TC瞬态传输信号，该药物可以作为候选药物进一步研究。总之，RNA速率分析可用于空转数据预测药物疗效，通过分析证明了LE特征分子是可靠的药物靶点。

RNA速率分析揭示了TC和LE的不同发育轨迹

总结与展望

本研究创新性地将单细胞和空间转录组与机器学习相结合，在OSCC中鉴定出TC和LE两个关键空间区域，揭示了其独特的分子特征与细胞状态、细胞通讯的关系，并在泛癌分析中证实了这些特征与患者预后的相关性，为OSCC机制研究提供了新视角。此外，研究还提示药物通过调控TC/LE状态转化影响疗效，为靶向LE的精准治疗提供了新思路。

【参考文献】

Arora, R., Cao, C., Kumar, M. et al. Spatial transcriptomics reveals distinct and conserved tumor core and edge architectures that predict survival and targeted therapy response. Nat Commun 14, 5029 (2023).

关于焕一生物

焕一生物（AliveX Biotech）是中国领先的AI+多组学技术平台公司，拥有端到端干湿实验闭环的多组学实验平台以及AI生物计算平台，包括时空单细胞组学，靶向蛋白组学、代谢/脂质组学等高质量生物检测分析技术以及多组学整合分析、AI建模、知识图谱、疾病药理机制建模等计算技术高效赋能研发。焕一生物拥有国际领先的跨学科院士教授以及产业专家团队，为科研以及药企合作伙伴提供定制化的科研解决方案，包括疾病与药物的机制研究，生物标志物和靶点的发现与评估，患者分层，多模态AI预测，临床试验方案与精准诊疗方案的优化等。焕一生物已服务上百家临床及科研院所和国际大型药企。公司拥有核心技术自主知识产权数十项，并获得国家级高新技术企业认证，美国病理学会CAP认证，ISO9001认证。