Cell DIVETM应用：基于空间蛋白组学建立结肠癌预后推断新方法
2021-05-08 22:54:12   来源：   作者：  评论：0 点击：

关键字： 结肠癌
新技术的诞生往往会为行业的发展做出一些贡献。今天，我们通过解读匹兹堡大学Cell DIVETM用户在《Nature Communication》杂志上发表的题为“Spatial domain analysis predicts risk of colorectal cancer recurrence and infers associated tumor microenvironment networks”的研究论文[1]，感受一下徕卡Cell DIVETM给予结肠癌预后推断方法革新的“推背力”。
研究背景
结直肠癌(Colorectal Cancer，CRC)是全球第三大癌症类型，占癌症相关死亡人数的第二位(图1)[2]。虽然CRC患者采用成熟的TNM分型进行分期和治疗，但肿瘤的异质性导致相同分型结肠癌患者的预后大相径庭。统计数据表明，相当比例的CRC患者术后1-2年出现癌症复发和转移，进而生命健康受到危害[2]。而术后积极复查并进行巩固治疗则能够避免结肠癌复发风险。随着对CRC研究的深入，研究人员发现CRC异质性在肿瘤微环境中有所体现，并与患者预后存在相关性[3]。针对这一发现，人们利用肿瘤分子表型、肿瘤微环境组成和肿瘤内T细胞浸润等指标进行结肠癌预后预测和判断方法的建立[4]。近年来，已有一些结肠癌预后判断的方法被提出(如Immunoscore?等)。但现有的预后推断方法多基于传统病理技术，被单次检测标记抗体的数量所限制，无法做到多指标和空间信息兼顾的全面检测，导致CRC预后推断方法的开发遭遇瓶颈。多重标记免疫组化技术的发展帮助我们突破了这一限制。今天我们关注这篇文章的作者就是利用了徕卡Cell DIVETM超多标组织成像分析技术实现了CRC预后推断新方法——计算分析与系统生物学平台(analytics computational and systems biology platform，SpAn平台)的建立。
研究简述
文章的作者在Cell DIVETM开发阶段就关注了其前身技术(MultiOmyx技术)在CRC微环境检测方面的潜力，并在Cell DIVETM上市后，第一时间将其用于CRC预后推断方法的开发。在Cell DIVETM的帮助下，作者非常轻松的完成了实验设计中的抗体选择环节。作者从Cell DIVETM认证的400余种抗体的资源库中选取了55个生物标志物作为检测目标：其中包括常见的上皮、免疫和基质细胞谱系及分类标记分子，还包括与CRC分型相关信号通路中的关键蛋白、胞外运输和代谢相关的分子标记、肿瘤抑制能力相关的功能蛋白、癌基因相关的生物标志、细胞粘附相关蛋白、细胞和基质结构相关的分子标记、细胞类型及其状态相关的特征分子等。
随后，作者利用Cell DIVETM成像仪对美国Clearview癌症研究所收集到的432例TNM分期在I至III期CRC患者的组织微阵列样本进行超多标荧光免疫组化成像，并利用Cell DIVETM配套分析软件完成不同肿瘤区域的自动识别。根据组织结构特异性标记分子将肿瘤微环境分为上皮区域、间质区域及上皮-间质区域(上皮和间质交界处100 μm的间质和恶性上皮细胞相互作用紧密区域)。
接下来，作者通过人工智能学习把标志分子表达模式和肿瘤微环境空间信息结合，开发出CRC预后推断运算模型SpAn平台，从而成功地将CRC患者分为术后高复发风险组和低复发风险组(图5)。与以往的CRC预后推断方法不同，SpAn平台不需要额外输入患者表型数据，可以完全根据肿瘤微环境的空间蛋白组学信息进行预后推断。
最后，SpAn平台与已有的CRC预后推断方法对比表明，SpAn预测CRC患者5年复发风险的平均AUROC为88.5%(SE=0.1)，显著优于目前最先进的方法。相信在不远的将来，SpAn平台能帮助医疗工作者为CRC患者精准地制定术后巩固治疗方案。
Cell DIVETM超多标组织成像分析整体解决方案，从上游的样品制备，到染色成像，再到下游的数据分析，能够提供一整套实验解决方案，突破传统H&E染色、免疫组化和传统免疫荧光10个biomarkers以内的限制，实现一张肿瘤组织切片上超过60个biomarkers的定性与定量分析，从单细胞水平的层面上，对肿瘤微环境进行空间信息挖掘，助力肿瘤免疫治疗的研究。
参考文献
[1] Uttam S, Stern A M, Sevinsky C J, et al. Spatial domain analysis predicts risk of colorectal cancer recurrence and infers associated tumor microenvironment networks. Nature Communications, 2020, 11(1).
[2] Freddie, Bray, Jacques, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: a cancer journal for clinicians, 2018.
[3] Guinney J, Dienstmann R, Wang X, et al. The consensus molecular subtypes of colorectal cancer. Nature medicine, 2015, 21(11):1350-1356.
[4] F Pages, Mlecnik B, F Marliot, et al. International validation of the consensus Immunoscore for the classification of colon cancer: a prognostic and accuracy study. Lancet, 2018, 391: 2128–2139.
[5] Gerdes MJ, Sevinsky CJ, Sood A, et al. Highly multiplexed single-cell analysis of formalin-fixed, paraffin-embedded cancer tissue. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(29).