撰文 | 雪月
臨床上通常利用腫瘤的組織學和表型特徵來指導腫瘤的診斷、治療方法選擇和預後預判。目前根據腫瘤結構和細胞形態對乳腺癌進行分級。如超過1%的腫瘤細胞表達激素受體，或者超過10%的腫瘤細胞存在HER2高表達或HER2基因擴增就會對腫瘤進行分類。然而這樣的分類標準會忽略大量的腫瘤細胞的特徵。克隆進化和空間腫瘤微環境的不同驅動了腫瘤細胞間和腫瘤樣本間的多樣性，這也為治療的有效性造成阻礙【1】。使用高度複合成像技術鑑定出多種複雜的細胞表型，促進腫瘤組織病理學精準分類【2】。單細胞分析技術也已經揭示了人類腫瘤之間和腫瘤內部的廣泛異質性，但是複雜的單細胞表型及其空間背景目前並未反映在作為許多臨床決策基礎的組織學分層中。
2020年1月22日，瑞士蘇黎世大學的Bernd Bodenmiller課題組在Nature上發表了題為The single-cell pathology landscape of breast cancer的文章。該研究使用大規模高維單細胞質譜成像分析技術，實現了在單細胞水平上量化腫瘤空間異質性，從而鑑定了新的乳腺癌亞型和空間分辨特徵。
作者利用了35種抗體同時檢測乳腺癌樣本，並利用質譜成像儀（imaging mass cytometry IMC）成像，總共得到381個照片，其中包括289個腫瘤樣本，87個健康乳腺樣本，5個肝臟對照樣本。並追蹤患者生存率。將所得照片使用Ilastik和CellProfiler技術分割成單個細胞以及腫瘤細胞和基質區域，得到855668個細胞定量表達標誌物的數據集，數據集通過PhenoGraph聚類分析，鑑定出內皮細胞、T和B細胞等細胞簇，同時鑑定59種腫瘤細胞表型，通過聚類分析定義出腫瘤細胞14個亞群。
分析流程圖
基於這些發現的單細胞表型，作者接下來進一步探索乳腺癌組織中細胞結構特點。作者利用領域分析評估了細胞亞群之間的相關性，檢測亞群細胞是否會同時出現在腫瘤組織中，檢測發現腫瘤細胞之間幾乎沒有相關性。每個腫瘤樣本中相似細胞之間包含同型相互作用，而異型腫瘤細胞之間很少有相互作用。利用領域分析方法檢測發現支持性纖維細胞往往包圍血管內皮細胞，腫瘤-基質界面處基質細胞則會包圍腫瘤細胞。在內皮細胞附近往往定位著T細胞和增殖的上皮細胞。增殖的上皮細胞包圍著內皮細胞，並且具有方向性。腫瘤微群落主要由單個細胞元簇組成。一些腫瘤微群落由成纖維細胞和腫瘤細胞組成，有些腫瘤微群落則富含T、B細胞、巨噬細胞，內皮細胞，間質細胞則較少。細胞微群落中含有較多間質細胞的則免疫細胞含量少，這與之間的研究結果相吻合。
接下來作者探索了單細胞進入腫瘤微群落與乳腺癌亞型組織結構之間的聯繫。使用聚類分析方法，作者根據腫瘤細胞的聚類組成將腫瘤組織進行分組，確定了18個單細胞病理學（SCP）亞組。這些亞組會將經典的臨床亞型分開，並且具有不同比例的上皮細胞微群落。每個SCP內部具有相似的細胞亞群結構，以及相似的臨床預後，但是SCP內部腫瘤微群落構成或許不同。作者發現微環境中基質細胞與SCP中特定的腫瘤細胞表型相關。總體而言腫瘤內表型異質性在空間上被分為不同的腫瘤微群落，而具有表型異質性的腫瘤患者預後較差。單細胞病理學定義的腫瘤類型以及腫瘤細胞和基質細胞微結構可為目前臨床分類之外的腫瘤類型提供預後判斷。作者接下來驗證了上述分析方法的可重複性。作者利用一個包含有72名患者的獨立隊列，得到了總共411410個細胞圖像的344張分析照片，並利用同樣的分析方法分析數據。分析發現約40%的腫瘤樣本所有區域具有相同的分類，而約60%的腫瘤樣本一個或者多個區域與整個腫瘤分類不一致。在多數情況下，單個區域的SCP分類與大體腫瘤分類相匹配。
本研究揭示了與目前臨床分型不同的乳腺癌表型和空間異質性，並且對腫瘤組織進行了單細胞病理分類。這項研究也表明多細胞空間信息為臨床腫瘤可以提供更全面進行分類信息，併為疾病預後提供了更多依據。
原文鏈接：
https://doi.org/10.1038/s41586-019-1876-x
參考文獻
1. Bedard, P. L., Hansen, A. R., Ratain, M. J. & Siu, L. L. Tumour heterogeneity in the clinic. Nature501, 355–364 (2013).
2.Wagner, J. et al. A single-cell atlas of the tumor and immune ecosystem of human breast cancer. Cell 177, 1330–1345 (2019).
閱讀更多 BioArt 的文章
