来自麦吉尔大学和多伦多大学等研究人员已经开发出一种方法，可以仅通过一个微小肿瘤组织样本来预测肺癌患者在手术后的发展状况。研究人员将成像质谱流式细胞术与深度学习技术相结合，分析了400 多名来自肺腺癌患者的肺癌样本的肿瘤微环境。肿瘤微环境已被确定为影响治疗进展的异质性来源。通过在空间和单细胞水平上表征肿瘤微环境，研究人员揭示了与临床特征(如生存率)相关的不同细胞状态和特征。正如他们在Nature杂志上报道的那样，他们使用了人工智能来识别肿瘤微环境的某些特征来高精度地预测疾病进展。
Fig. 1: IMC defines the spatial landscape of LUAD.
“总的来说，这些数据表明空间分辨的单细胞转录组在未来可能具有非常大的价值，有助于为个性化的围手术期护理计划提供有价值的信息，以最大限度地减少那些能被治愈的人在治疗过程中产生的毒副作用，或提高那些会复发的人的治愈率”，麦吉尔大学的共同资深作者 Daniela Quail 和 Logan Walsh 以及拉瓦尔大学的 Philippe Joubert 领导的研究人员在论文中写道。研究人员使用 Fluidigm(现为 Standard BioTools)企业的成像质谱流式细胞技术系统，分析了 1996 年 2 月至 2020 年 7 月期间收集的 426 名肺腺癌患者的小组织核心样本。他们使用 35 重抗体组来识别各种细胞他们样本的成分，包括癌细胞本身以及基质细胞、适应性和先天性免疫细胞。研究人员总共检测到超过 160 万个细胞，并发现了 14 个不同的免疫细胞群。他们特别关注免疫细胞群与患者的临床数据之间的关联。例如，肥大细胞与延长生存期有关，虽然它们在非吸烟者和患有早期疾病的患者中更为常见。研究人员进一步注意到某些免疫细胞的频率与特定临床亚组之间的联系—例如，CD4 阳性辅助性 T 细胞在女性患者的样本中富集，她们往往会有更好的总体存活率，而老年患者的肿瘤内 CD8 较少- 阳性 T 细胞。
与此同时，他们探索了肿瘤微环境中不同的细胞表型如何与生存相关，例如，发现 H1F1-α 阳性中性粒细胞将会产生不利于生存的环境。观察具有相似局部细胞类型组成的区域(邻近细胞)，研究人员进一步指出，不同的组织结构与生存差异有关。例如，富含 B 细胞的邻近细胞与存活显着相关，尤其是 CN-25 邻近细胞，它也富含 CD4 阳性辅助性 T 细胞。通过应用深度学习方法，研究人员发现他们生成的空间信息可以改善对临床结果的预测。他们报告说，创建的模型(包括空间信息)预测进展的准确率高达 95.9%，而基线评分的准确率为 75%，而且他们仅仅使用了一个 1 mm²的肿瘤样本。此外，研究人员使用成像质谱流式细胞术分析了 60 名原发性肺腺癌患者的单独验证队列，并在数据集中发现该模型以 94% 的准确度预测进展。研究人员将他们模型的预测能力追溯到六个标记的组合：CD14、CD16、CD94、αSMA、CD117 和 CD20。总体来讲，准确率为 93.3%，精密度和召回率为 95.6%。研究人员写道：“我们的研究结果代表了对使用临床和病理变量的现有预测工具的重要进步，并且可以更有效地利用不断增长的围术期辅助系统来改善癌症结果。”
来源：
1.Sorin, M., Rezanejad, M., Karimi, E. et al. Single-cell spatial landscapes of the lung tumour immune microenvironment. Nature (2023). https://doi.org/10.1038/s41586-022-05672-3.
2.基因网