食管鳞状细胞癌(oesophageal squamous cell carcinoma,ESCC)是中国第三大常见恶性肿瘤。研究发现,肿瘤微环境(tumor microenvironment,TME)中的免疫细胞与患者的预后有关。肿瘤浸润T细胞(tumor infiltrating lymphocyte, TIL)作为癌症免疫治疗的研究重点,为不同类型的癌症(包括ESCC)抗肿瘤免疫作出了重要贡献。然而,肿瘤浸润B细胞的作用却很少被探索。TME中的B细胞通常形成三级淋巴结构(tertiary lymphoid structures,TLSs),在肿瘤适应性免疫中起关键作用。然而,TLSs在ESCC患者中的预后价值和分子特征尚未明确。

为了深入研究TLSs在ESCC患者中的预后价值和分子特征,中山大学肿瘤防治中心文静课题组在《Clinical and Translational Medicine》(IF:8.554)杂志上发表题为“The prognostic value and molecular properties of tertiary lymphoid structures in oesophageal squamous cell carcinoma”的文章,文中作者采用的数字空间多组学分析技术(Digital Spatial Profiler,DSP)由非因生物提供!

TIPS:成熟的TLS是一个具有生发中心(GC)的次生淋巴样滤泡,分为两个区,以中心母细胞为主的暗区(DZ)和中心细胞、滤泡树突状细胞为主的亮区(LZ);未成熟TLS为无GCs的淋巴细胞簇。

01

研究目的

基于H&E染色玻片,研究者开发了一种深度学习(DL)TLS分类模型,以更精确和有效地评价TLS的存在和成熟状态;采用数字空间多组学分析技术(Digital Spatial Profiler,DSP)对ESCC中不同成熟状态下TLSs的细胞组成和分子特征及其对肿瘤细胞的潜在影响进行研究。

02

实验设计

实验设计1:深度学习TLS分类器模型的建立与评价

实验设计2:不同TLS状态的ESCC中TLSs和肿瘤的细胞组成和分子特征研究

03

研究结果及结论

1. ESCC中TLS成熟状态及预后价值评价

通过多重荧光免疫组织化学(mfIHC),经过病理评价,A队列的394例 ESCC患者分为TLS-mature组(169例)、TLS-immature组(119例)、TLS-negative组(106例)(图1A-D)。生存分析结果显示,TLS-immature组的生存率显著高于TLS-immature组和TLS-negative组(P<0.05),但TLS-immature组和TLS-negative组之间生存率无显著差异(P<0.05)(图1E)。

图1 TLSs的成熟状态与ESCC患者的生存期相关

2. deep-learning(DL)TLS分类模型的建立与性能评价

共使用3852 个TLS+ tiles(来自A队列和TCGA数据库),其中训练集3082个,验证集577个,内部测试集193个。通过inception-resnet-v2 neural network用训练集和验证集数据建立DL TLS分类模型来识别TLSs并评估其成熟状态(实验设计1),总体准确性为95.3%。ROC曲线评估结果显示,该模型在患者水平TLS识别的总体准确性为100%(图2A)。基于内部测试集成熟TLS识别的AUC为0.973;相较于内部测试集,外部测试集AUC、准确性和灵敏度略有下降(图2 B)。同时利用该模型对B队列的256患者(639 玻片)进行TLS识别和成熟状态评价,分为TLS-mature(141例)、TLS-immature组(101例)、TLS-negative组(14例)。生存分析结果显示,TLS-mature的OS和DFS更高,TLS-immature和TLS-negative之间生存率无显著差异,该结果与A列结果一致(图2C)。

图2 DL TLS分类模型的建立与评价

3. ESCC中TLSs的免疫组成和空间转录组特征

为了深入研究不同成熟状态下TLSs的细胞组成和分子特征及其对肿瘤细胞的潜在影响。通过GeoMx DSP CTA技术(1833基因)对术前未经化疗或放疗的原位肿瘤(3个TLS-mature、3个TLS-immature、3个TLS-negative)进行空间转录组分析。选取75 个感兴趣区域(ROI),包括24个TLSs中的B细胞区(CD20)、24个TLSs中的T细胞区(CD3)、27个肿瘤区(pan-CK)(图3A)。聚类热图结果显示,各区所对应的marker基因均高表达,且TLSs B细胞区或T细胞区也观察到其他TLS markers的表达(图3B)。免疫细胞浸润分析结果显示,T细胞区和B细胞区均可检测到B细胞和T细胞(图3C)。相较于TLS-mature,TLS-immature中B细胞区中内皮细胞和B、T细胞区中成纤维细胞占比更高(图3D-E)。进一步对TLS-mature,TLS-immature之间B细胞区和T细胞区以及TLS-mature,TLS-immature、TLS-negative之间肿瘤区的趋化因子的表达差异进行分析,热图结果显示,不同成熟状态(TLS-mature、TLS-immature、TLS-negative)的TLS B细胞区、T细胞区、肿瘤区中一些趋化因子表达具有显著差异(图3F),可能是由于ROI中趋化因子分泌细胞的比例和活性不同所致。超多标单细胞空间蛋白质组有助于从单细胞分辨率了解参与趋化因子分泌的特定细胞类型

图3 TLS-mature,TLS-immature、TLS-negative ESCC中TLS和肿瘤区域的空间转录组特征

与TLS-immature相比,TLS-mature B细胞区增殖标志物 PCNA、MKI6、TOP2A的表达和增殖相关通路活性增高,GC启动的主控调控因子BCL6、IRF8和POU2AF119的表达水平增高,MHC I和MHC II的表达显著下降(图4A-B);TLS-mature B细胞区中B细胞记忆性增加,揭示TLS-mature ESCC存在更长的体液免疫。TLS-immature B细胞区naive T细胞marker SELL表达量较高(图4C)。mfIHC显示,TLS-mature B细胞区Ki67+CD20+细胞占总CD20+细胞的比例(p < 0.001)和CD21表达强度(p <0.001)高于TLS-immature(图4D)。

图4 TLS-mature和TLS-immature TLSs中B细胞区的空间转录组学特征

与TLS-mature相比,TLS-immature T细胞区中MHC I、II分子和相关基因(B2M、TAP1、TAPBP等)表达增加(图5A)且抗原呈递通路表达上调(图 5B)。与TLS-immature相比,TLS-immature T细胞区中CD4+ Th细胞具有更高的Th17特征(图5C、D)。TLS-immature中浆细胞比例高于TLS-immature , B细胞比例低于TLS-immature(图5D)。TLS-immature和TLS-immature T细胞区间LAMP3+ DC特征无显著差异(图5C);mfIHC结果显示,与TLS-immature相比,TLS-immature T细胞区CD4+ T细胞的百分比(p = 0.004)更高,而CD8+ T细胞(p = 0.168)和LAMP3+ DC占比(p = 0.092)更低(图5E)。

图5 TLS-mature和TLS-immature TLSs中T细胞区的空间转录组学特征

4. 成熟TLSs塑造了ESCC的瘤内免疫微环境

TLS-mature, TLS-immature 和TLS-negative ESCCs 肿瘤区域的基因表达比较结果显示,TLS-mature肿瘤区中G1/S细胞周期相关基因(CCND1、TP53、CDKN1B和E2F1)和趋化因子(CCL15和CCL20)的表达高于TLS-immature和TLS-negative;TLS-immature肿瘤区中MHC I和II分子的表达高于TLS-negative,两者均高于TLS-mature肿瘤区;TLS-negative ESCCs的肿瘤区中参与上皮-间充质转化(EMT)和肿瘤侵袭和迁移的基因表达高于TLS-mature和TLS-immature(图6A)。基因集富集分析(GSEA)显示,与TLS-immature或TLS-mature ESCCs相比,TLS-negative ESCCs肿瘤区中EMT通路显著富集(图6B)。73例TCGA ESCC患者bulk RNA数据分为两组TLS-mature ESCCs(11例)和mature TLS-absent ESCCs(62例)。GSEA结果显示mature TLS-absent 中EMT通路显著富集,而TLS-mature中同种异体移植排斥通路显著富集(图6C)。CIBERSORT结果显示,TCGA TLS-mature ESCCs组织中B记忆细胞和Tfh细胞的比例高于mature TLS-absent ESCCs(图6D)。TLS-mature ESCCs肿瘤内CD8+ T细胞浸润高于mature TLS-absent ESCCs(图6E)。97例ESCC患者生存分析显示CD8+ T细胞的高浸润或成熟TLSs的存在与患者预后的改善相关(图6F,G),成熟TLS和高CD8+ T细胞浸润同时存在的患者预后最优,而缺乏成熟TLS和低CD8+ T细胞浸润的患者预后最差(图6H)。

图6  三种TLS成熟状态的ESCC中肿瘤区的空间转录组特征和瘤内免疫微环境

03

文章总结

成熟的TLSs在ESCC中促进了免疫细胞的协作,并为B细胞的完全分化提供了特殊生态位,进一步诱导TLSs中CD4+ T细胞的激活和肿瘤区域CD8+ T细胞的有效募集,从而产生和维持有效的抗肿瘤体液和细胞免疫,改善ESCC预后。

非因解读 | DSP空间转录组技术揭示食管鳞状细胞癌三级淋巴样结构的预后价值及分子特征相关推荐

  1. 非因解读 | 学术爆款“DSP空间转录组技术”,克服传统方法限制快速发文

    溃疡性结肠炎(UC)是炎症性肠病的主要形式.目前,UC的发病率全球范围内正在不断增加.虽然许多因素已被报道与UC相关,但对UC的病理认识仍然不足.肠嗜铬细胞(enterochromaffin, EC) ...

  2. 非因解读 | DSP空间全转录组+单细胞测序 描绘新冠患者多器官空间组织图谱

    DSP空间全转录组+单细胞测序 描绘新冠患者多器官空间组织图谱 由麻省理工学院,麻省总医院,哈佛大学的多个研究团队领导的一项在新冠病毒感染者的大型研究近日在<Nature>上发表.研究人员 ...

  3. 非因解读 | DSP空间多组学助力胃癌预后标志物的发现

    胃癌作为全球第六大高发癌种,免疫治疗和靶向治疗虽然取得了一定进展,但与其他恶性肿瘤相比,仍缺乏易于操作的临床生物标志物.因此,寻找胃癌预后预测和治疗分层的生物标志物显得尤为重要.而对胃癌尤其是晚期胃癌 ...

  4. 空间转录组第一讲:10x空间转录组技术介绍

    最近,空间转录组学研究炙手可热.细胞及其在组织样本中的相对位置之间的关系对于理解疾病病理可能至关重要.空间转录组学是一项开创性的技术,它使科学家能够测量组织样本中的所有基因活性,并绘制出发生该活性的位 ...

  5. Nature子刊 | 空间转录组技术及其发展方向

    2022年10月<Nature Biotechnology>发表了一篇空间转录组(ST)技术的综述文章,详细描述了现有的ST技术及其发展方向. 检测生物分子的新技术一直是生物进步的关键驱动 ...

  6. Science亮点!ExSeq:完整生物组织的原位空间转录组分析

       背 景 介 绍   新一代测序技术的革新使得我们对生物体的组学信息有了更深的了解,随着转录组技术的日渐普及,尤其是单细胞转录组技术的突飞猛进,使得我们对组织内细胞异质性的认识有了很大提升,另外, ...

  7. 空间转录组学(Spatial Transcriptomics)

    01.空间转录组技术的发展 近年来单细胞转录组测序技术的应用大大拓宽了人们的视野,使人们能够深入了解组织中细胞的构成的多样性和基因表达状态.众所周知,基因表达具有时间和空间的特异性,通过对不同时间点的 ...

  8. 前沿综述 | Nature子刊:空间转录组学的临床和转化价值

    空间转录组(ST)和单细胞转录组(scRNA-seq)的结合作为一个关键的组成部分,将人体组织的病理表征与分子改变联系起来,确定了原位细胞间的分子通讯和时空分子医学知识.2022年4月1日Nature ...

  9. 热点综述 | 单细胞+空间转录组的整合分析方法总结

    目前scRNA-seq将每个转录物与单个细胞相关联,但关于这些转录物在组织中的位置信息丢失了:相反的,空间转录组学技术知道转录物的位置,却不知道是哪个细胞产生了转录物.因此,scRNA-seq与空间转 ...

最新文章

  1. Java——BigInteger类和BigDecimal类
  2. [Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算
  3. 排队 题解 组合数学+高精度
  4. java jar 打包库_Java之 将程序打包成jar包
  5. win11开机音乐怎么设置
  6. 第 13 章 装饰模式【Decorator Pattern】
  7. LabVIEW编程LabVIEW开发雷赛SMC6480运动控制模块例程与相关资料
  8. 漏洞复现|Microsoft Office数学公式编辑器内存损坏漏洞(CVE-2017-11882 )
  9. 怎样破解QQ空间代码(转载)及最新收集2009年QQ空间皮肤代码大全 (http://www.enet.com.cn/article/2009/0812/A20090812519367.shtml)
  10. 输入一个整数(1~7),显示对应星期英文的缩写
  11. 基于python的OCR中文识别教程
  12. asp.net通用Web2.0仿淘宝脚本验证组件
  13. 联想服务器rd640性能,至强E5芯动力 联想RD640服务器评测
  14. Java如何生成彩色二维码(利用zxing包)
  15. 推荐几款基于 Markdown 在线制作简历的网站
  16. 裁判文书android app逆向
  17. API获取订单接口文档使用说明
  18. 多模态深度学习综述:网络结构设计和模态融合方法汇总
  19. oracle ebcdic 转换,sql - oracle ebcdic sqlldr问题 - 堆栈内存溢出
  20. OpenCV用FAST、SURF、SIFT、BRISK、ORB等进行特征点提取与匹配

热门文章

  1. XML Schema教程
  2. Android AsyncTask详解
  3. R语言-频数统计函数
  4. 反素数(反转拼写的素数)
  5. DS_Store是什么?
  6. Selenium学习之浏览器操作_Sinno_Song_新浪博客
  7. 警告框处理与下拉框选择_Sinno_Song_新浪博客
  8. wps 制作 组织结构图
  9. 《趣弹幕-滚动LED显示屏-技术支持》
  10. hathitrust 下载工具 (大量英文原版名著扫描免费下载)