DOI: https://doi.org/10.1038/s41586-025-09876-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41565801
تاريخ النشر: 2026-01-21
المؤلف: Jonathan Somer وآخرون
الموضوع الرئيسي: علم النسخ الجيني أحادي الخلية والمكاني
نظرة عامة
يقدم هذا القسم نهجًا جديدًا يسمى إعادة بناء ديناميات الأنسجة من لقطة واحدة (OSDR)، والذي يمكّن من تقدير ديناميات تجمعات الخلايا من عينة نسيج واحدة، مما يعالج قيود طرق الخزعة التقليدية التي تقدم فقط لقطة ثابتة. تستخدم OSDR البروتيوميات المكانية لتحليل كيفية تأثير تركيبة الأحياء الخلوية على معدلات انقسام الخلايا، وبالتالي بناء نموذج ديناميكي لتغيرات تجمعات الخلايا بمرور الوقت. تم تطبيق هذه الطريقة على بيانات سرطان الثدي البشري، كاشفة عن تفاعلات بين الخلايا الليفية والبلعمية التي تت correspond إلى حالات متميزة من التليف، بالإضافة إلى تحديد دائرة توليد النبضات من خلايا T وB التي تشير إلى استجابات مناعية زمنية في بيئة الورم الدقيقة.
علاوة على ذلك، تم التحقق من صحة OSDR من خلال خزعات طولية من تجربة سريرية تتعلق بسرطان الثدي الثلاثي السلبي، حيث نجحت في التنبؤ بانهيار تجمعات خلايا الورم لدى المرضى الذين استجابوا للعلاج، بينما فشلت في ذلك لدى غير المستجيبين. لا يعزز هذا النهج المبتكر فقط فهم ديناميات تجمعات الخلايا في الأنسجة البشرية، بل يحمل أيضًا إمكانيات لإبلاغ استراتيجيات علاجية جديدة من خلال الاستفادة من الرؤى المستخلصة من اختبارات البروتيوميات المكانية.
نقاش
تقدم الدراسة طريقة جديدة، تُسمى OSDR (إعادة البناء الديناميكي من لقطة واحدة)، لاستنتاج ديناميات تجمعات الخلايا من عينة نسيج واحدة. باستخدام تصوير الكتلة الخلوية (IMC) وعلامة الانقسام Ki67، أنشأ الباحثون مجموعة بيانات تتكون من إحداثيات الخلايا وحالات الانقسام عبر أنواع الخلايا المختلفة. تقدر طريقة OSDR معدلات انقسام الخلايا وإزالتها بناءً على تركيبة الجوار المحلي، مما يسمح بفهم شامل لديناميات الأنسجة من خلال توازن بين انقسام الخلايا والموت والهجرة. تشير النتائج إلى أن التكاثر المحلي والإزالة يمكن أن يفسرا بشكل كافٍ ديناميات تجمعات الخلايا، على الرغم من أن النموذج يعترف بالتعقيدات المحتملة الناجمة عن تدفقات كبيرة من الخلايا.
تحقق الباحثون من صحة OSDR من خلال تحليل مجموعات بيانات واسعة من خزعات سرطان الثدي، كاشفين أن تركيبة الخلايا المجاورة تتنبأ بشكل كبير بمعدلات الانقسام. كانت الصور المعاد بناؤها لديناميات الخلايا الليفية والبلعمية متوافقة بشكل وثيق مع الملاحظات في المختبر، مما يظهر قوة النموذج عبر معلمات ومجموعات فرعية من المرضى. من الجدير بالذكر أن الدراسة تبرز الأهمية السريرية لهذه الديناميات، خاصة في التمييز بين حالات التليف “الساخنة” و”الباردة”، والتي ترتبط بتوقعات المرضى. علاوة على ذلك، تم تطبيق إطار عمل OSDR للتنبؤ باستجابات العلاج في بيئة تجريبية سريرية، حيث نجحت في التمييز بين المستجيبين وغير المستجيبين بناءً على ديناميات العلاج المبكرة، مما يوفر أداة محتملة لمراقبة فعالية العلاج في مرضى السرطان.
القيود
تتعلق قيود نموذج OSDR (إعادة البناء الديناميكي المكاني الأمثل) بشكل أساسي باعتماده على الديناميات الثابتة في نقاط زمنية محددة، مما قد يؤدي إلى عدم الدقة إذا تغيرت الديناميات الأساسية بشكل كبير بمرور الوقت. على سبيل المثال، في دراسة جماعية، لوحظ أن معدلات انقسام الخلايا انخفضت خلال فترة علاج مدتها 24 أسبوعًا، ربما بسبب تأثيرات العلاج الكيميائي التراكمية. للتخفيف من ذلك، يمكن أن تساعد المعرفة السابقة أو العينات من نقاط زمنية متعددة في تحديد مقياس الزمن للتغيرات الديناميكية. بالإضافة إلى ذلك، قد تؤدي التغيرات السريعة في تركيبة الأنسجة إلى هيمنة العوامل التاريخية على الديناميات الحالية، مما يتطلب التحقق الدقيق من تركيبات الجوار مقابل معدلات التكاثر.
يفترض التنفيذ الحالي للنموذج أن معدلات الموت لأنواع الخلايا مستقلة عن جيرانها، وهو ما قد لا يكون صحيحًا دائمًا. يمكن تحقيق تقديرات محسّنة من خلال تحديد علامات موثوقة لمعدلات موت الخلايا. علاوة على ذلك، يجب أن تهدف استراتيجيات أخذ العينات إلى تحقيق تباين واسع في تركيبات الجوار لتعزيز قوة النموذج. يجب أيضًا أخذ وجود عوامل مشوشة، مثل تباين المرضى وتدرجات نقص الأكسجة أو الالتهاب، في الاعتبار لتجنب سوء تفسير النتائج. قد تشمل التحسينات المستقبلية على OSDR النمذجة المباشرة لعمليات التحول والهجرة، والتي تعتبر حاسمة لفهم ديناميات الأنسجة. بشكل عام، بينما تقدم OSDR فرصًا كبيرة لدراسة تفاعلات بيئة الورم الدقيقة، فإن الاعتبار الدقيق لقيودها أمر ضروري للتطبيق والتفسير الدقيقين.
DOI: https://doi.org/10.1038/s41586-025-09876-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41565801
Publication Date: 2026-01-21
Author(s): Jonathan Somer et al.
Primary Topic: Single-cell and spatial transcriptomics
Overview
The section presents a novel approach called one-shot tissue dynamics reconstruction (OSDR), which enables the estimation of cell population dynamics from a single tissue sample, addressing the limitations of traditional biopsy methods that only provide a static snapshot. OSDR utilizes spatial proteomics to analyze how the composition of cellular neighborhoods influences cell division rates, thereby constructing a dynamical model of cell population changes over time. This method was applied to human breast cancer data, revealing interactions between fibroblasts and macrophages that correspond to distinct states of fibrosis, as well as identifying a pulse-generating circuit of T and B cells indicative of temporal immune responses in the tumor microenvironment.
Furthermore, OSDR was validated through longitudinal biopsies from a clinical trial involving triple-negative breast cancer, successfully predicting tumor cell population collapse in patients who responded to treatment, while failing to do so in non-responders. This innovative approach not only enhances the understanding of cell population dynamics in human tissues but also holds potential for informing new treatment strategies by leveraging insights from spatial proteomics assays.
Discussion
The study introduces a novel method, termed OSDR (One Snapshot Dynamic Reconstruction), for inferring the dynamics of cell populations from a single tissue sample. Utilizing imaging mass cytometry (IMC) and the division marker Ki67, the researchers generated a dataset comprising cell coordinates and division statuses across various cell types. The OSDR approach estimates cell division and removal rates based on the local neighborhood composition, allowing for a comprehensive understanding of tissue dynamics through a balance of cell division, death, and migration. The findings indicate that local proliferation and removal can sufficiently explain cell population dynamics, although the model acknowledges potential complexities arising from significant influxes of cells.
The researchers validated OSDR by analyzing extensive datasets from breast cancer biopsies, revealing that the composition of neighboring cells significantly predicts division rates. The reconstructed phase portraits for fibroblast and macrophage dynamics closely aligned with in vitro observations, demonstrating the robustness of the model across various parameters and patient subgroups. Notably, the study highlights the clinical relevance of these dynamics, particularly in distinguishing between “hot” and “cold” fibrosis states, which correlate with patient prognosis. Furthermore, the OSDR framework was applied to predict treatment responses in a clinical trial setting, successfully differentiating between responders and non-responders based on early treatment dynamics, thus offering a potential tool for monitoring therapeutic efficacy in cancer patients.
Limitations
The limitations of the OSDR (Optimal Spatial Dynamics Reconstruction) model are primarily related to its reliance on static dynamics at specific time points, which can lead to inaccuracies if the underlying dynamics change significantly over time. For instance, in a cohort study, cell division rates were observed to decline over a 24-week treatment period, potentially due to cumulative chemotherapy effects. To mitigate this, prior knowledge or samples from multiple time points can help establish the timescale of dynamic changes. Additionally, rapid alterations in tissue composition may cause historical factors to dominate current dynamics, necessitating careful validation of neighborhood compositions against proliferation rates.
The model’s current implementation assumes that death rates for cell types are independent of their neighborhood, which may not always hold true. Improved estimates could be achieved by identifying reliable markers for cell death rates. Furthermore, sampling strategies should aim for a wide variance in neighborhood compositions to enhance model robustness. The presence of confounding factors, such as patient heterogeneity and spatial gradients of hypoxia or inflammation, must also be accounted for to avoid misinterpretation of results. Future enhancements to OSDR could include direct modeling of transdifferentiation and migration processes, which are critical in understanding tissue dynamics. Overall, while OSDR presents significant opportunities for studying tumor microenvironment interactions, careful consideration of its limitations is essential for accurate application and interpretation.