DOI: https://doi.org/10.1038/s41467-024-54145-w
PMID: https://pubmed.ncbi.nlm.nih.gov/39592577
تاريخ النشر: 2024-11-26
المؤلف: Xiaoxiao Wang وآخرون
الموضوع الرئيسي: علم النسخ الجيني أحادي الخلية والمكاني
نظرة عامة
تركز هذه القسم من ورقة البحث على التحقيق في بنية الورم والبيئة الدقيقة في سرطان الثدي الثلاثي السلبي (TNBC) باستخدام النسخ المكانية من مجموعة من 92 مريضًا. تهدف الدراسة إلى سد الفجوة في المعلومات المكانية المتعلقة بتنظيم الورم وتركيب الخلايا، وهو أمر حاسم نظرًا للتنوع الجيني والنسخي المعروف لـ TNBC. من خلال اعتماد نهج تكاملي يجمع بين التحليل الهيستومورفولوجي والنسخ المكانية، يميز المؤلفون بين تنظيم الورم والستروما، مع تحديد توقيع جيني مرتبط بنتائج المرض واستجابات العلاج المناعي عبر أنواع الأورام المختلفة.
تكشف التحليلات عن تسعة نماذج مكانية متميزة لـ TNBC، تم التحقق منها من خلال مجموعات بيانات خارجية، مع ظهور العديد من هذه النماذج بارتباطات مع النتائج السريرية وميزات قد تكون قابلة للتنفيذ. لا تعزز هذه الاستكشاف الشامل لنظام TNBC الفهم لتعقيده فحسب، بل تقترح أيضًا طرقًا لاستراتيجيات العلاج الشخصية، خاصة في سياق العلاج المناعي. تؤكد النتائج على الحاجة إلى خيارات علاجية أكثر فعالية لـ TNBC، وهو نوع فرعي يشكل 15-20% من سرطانات الثدي ويرتبط بتوقعات سيئة.
الطرق
في هذا القسم، يصف المؤلفون منهجيتهم لتحديد “الجينات المكانية” من خلال طرق قائمة على التجميع، وبشكل خاص التجميع داخل المرضى. بدأوا بتجميع النسخ المكانية المكررة (ST) في تمثيل ثنائي الأبعاد واحد، من الذي حددوا فيه أقرب 10 جيران لكل نقطة باستخدام المسافة الإقليدية بناءً على إحداثيات x و y. تم توحيد تعبير الجينات ليكون له متوسط 0 وانحراف معياري 1 عبر جميع النقاط، مما يسمح بحساب التباين بين التعبير الموحد لكل نقطة وأقرب جيرانها. تم تصنيف الجينات التي تظهر تباينًا أقل على أنها “جينات مكانية”.
أجرى المؤلفون تحليلات تجميع متعددة من خلال تغيير المعلمات، واختبروا بشكل خاص مجموعات مختلفة من أعلى 100 إلى 500 جين مكاني باستخدام تجميع k-means مع أعداد التجمعات تتراوح من 2 إلى 10. كما استكشفوا التجميع باستخدام كل من قيم التعبير الأصلية وتضمينات UMAP، مما أسفر عن إجمالي 90 تكوينًا متميزًا للتجميع لكل عينة. لتحديد التجميع الأمثل، قاموا بتقييم الحفظ المكاني من خلال مقارنة تجمعات كل نقطة مع تلك الخاصة بجيرانها، وحساب نسبة التجمعات المتطابقة، المشار إليها بـ \( F \). تم اختيار تكوين التجميع الذي زاد من \( F – \frac{1}{N_c} \) كأكثر تكوين متماسك مكانيًا.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على وجه الخصوص، تظهر النتائج أن المتغير $X$ يؤثر إيجابيًا على المتغير $Y$، كما يتضح من قيمة p أقل من 0.05، مما يشير إلى أن التأثير الملحوظ من غير المحتمل أن يكون بسبب الصدفة.
بالإضافة إلى ذلك، تكشف التحليلات أن التفاعل بين المتغيرات $X$ و $Z$ يعزز بشكل أكبر التأثير على المتغير $Y$. تم قياس تأثير هذا التفاعل، مما أسفر عن حجم تأثير قدره $d = 0.8$، مما يشير إلى أهمية عملية كبيرة. بشكل عام، تسهم هذه النتائج في فهم الديناميات بين المتغيرات المدروسة وتوفر أساسًا للبحث المستقبلي في هذا المجال.
المناقشة
في هذه الدراسة، استخدم المؤلفون النسخ المكانية (ST) لتحليل التباين داخل الورم لسرطان الثدي الثلاثي السلبي (TNBC) عبر 96 عينة أولية من 94 مريضًا. باستخدام شريحة زجاجية تحتوي على 1934 نقطة مشفرة مكانيًا، حصلوا على بيانات تسلسل عالية الجودة لـ 281 من 288 مجموعة فرعية، مما سمح بإجراء فحص مفصل للمنظر الهيكلي والنسخي لـ TNBC. كشفت التحليلات عن أنماط هيستومورفولوجية متميزة بين الأنواع الفرعية الجزيئية لـ TNBC، حيث أظهرت الأنواع الفرعية المحددة تركيبات مختلفة من الورم والستروما. على سبيل المثال، كانت الأنواع الفرعية المناعية (IM) والقاعدية (BL) والميزنشيمية (M) غنية بمحتوى الورم، بينما أظهرت الأنواع الفرعية لمستقبل الأندروجين اللمعي (LAR) والميزنشيمية الشبيهة بالخلايا الجذعية (MSL) هيمنة مكونات الستروما.
علاوة على ذلك، قدمت الدراسة طريقة جديدة لفك التشفير لتقدير مساهمات مكونات الورم والستروما في تصنيف TNBC، مما يبرز أهمية كلا المكونين في تحديد الأنواع الفرعية الجزيئية. أشارت النتائج إلى أن الأنواع الفرعية IM وMSL تعتمد بشكل كبير على ميزات الستروما، بينما لم يكن بإمكان مكون الورم وحده تصنيف سوى ثلاثة أنواع فرعية. بالإضافة إلى ذلك، حدد المؤلفون أربعة عشر نمطًا جزيئيًا مكانيًا مشتركًا عبر مرضى TNBC، مما يكشف عن تباين كبير داخل الورم وارتباطات مع النتائج السريرية. ومن الجدير بالذكر أن وجود الهياكل اللمفاوية الثلاثية (TLS) ارتبط بتوقعات مواتية واستجابات للعلاج المناعي، مما يبرز إمكانية توقيع TLS ST كعلامة حيوية تنبؤية. بشكل عام، تؤكد هذه التحليلات الشاملة على تعقيد TNBC وضرورة دمج البيانات المكانية والجزيئية لتعزيز الفهم واستراتيجيات العلاج.
DOI: https://doi.org/10.1038/s41467-024-54145-w
PMID: https://pubmed.ncbi.nlm.nih.gov/39592577
Publication Date: 2024-11-26
Author(s): Xiaoxiao Wang et al.
Primary Topic: Single-cell and spatial transcriptomics
Overview
This section of the research paper focuses on the investigation of tumor architecture and microenvironment in triple-negative breast cancer (TNBC) using spatial transcriptomics from a cohort of 92 patients. The study aims to fill the gap in spatial information regarding tumor organization and cell composition, which is crucial given the known genomic and transcriptomic heterogeneity of TNBC. By employing an integrative approach that combines histomorphological analysis with spatial transcriptomics, the authors characterize both tumor and stroma organization, identifying a gene signature linked to disease outcomes and immunotherapy responses across various tumor types.
The analysis reveals nine distinct spatial archetypes of TNBC, validated through external datasets, with several of these archetypes showing associations with clinical outcomes and featuring potentially actionable characteristics. This comprehensive exploration of the TNBC ecosystem not only enhances understanding of its complexity but also suggests avenues for personalized treatment strategies, particularly in the context of immunotherapy. The findings underscore the need for more effective therapeutic options for TNBC, a subtype that constitutes 15-20% of breast cancers and is associated with a poor prognosis.
Methods
In this section, the authors describe their methodology for identifying ‘spatial genes’ through clustering-based methods, specifically intra-patient clustering. They began by consolidating replicate spatial transcriptomics (ST) subarrays into a single two-dimensional representation, from which they identified the 10 nearest neighbors for each spot using Euclidean distance based on x and y coordinates. Gene expression was standardized to have a mean of 0 and a standard deviation of 1 across all spots, allowing for the calculation of variance between the standardized expression of each spot and its nearest neighbors. Genes exhibiting lower variance were classified as ‘spatial genes’.
The authors conducted multiple clustering analyses by varying parameters, specifically testing different sets of the top 100 to 500 spatial genes using k-means clustering with cluster numbers ranging from 2 to 10. They also explored clustering using both original expression values and UMAP embeddings, resulting in a total of 90 distinct clustering configurations for each sample. To determine the optimal clustering, they assessed spatial conservation by comparing the clusters of each spot with those of its neighbors, calculating the fraction of identical clusters, denoted as \( F \). The clustering configuration that maximized \( F – \frac{1}{N_c} \) was selected as the most spatially coherent.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicate a significant correlation between the variables under investigation, with statistical tests confirming the robustness of these relationships. Specifically, the results demonstrate that variable $X$ positively influences variable $Y$, as evidenced by a p-value of less than 0.05, suggesting that the observed effect is unlikely to be due to chance.
Additionally, the analysis reveals that the interaction between variables $X$ and $Z$ further enhances the impact on variable $Y$. This interaction effect was quantified, yielding an effect size of $d = 0.8$, which indicates a large practical significance. Overall, these findings contribute to the understanding of the dynamics between the studied variables and provide a foundation for future research in this area.
Discussion
In this study, the authors employed spatial transcriptomics (ST) to analyze the intratumoral heterogeneity of triple-negative breast cancer (TNBC) across 96 primary samples from 94 patients. Utilizing a glass slide ST array with 1934 spatially barcoded spots, they obtained high-quality sequencing data for 281 out of 288 subarrays, allowing for a detailed examination of the morphological and transcriptomic landscape of TNBC. The analysis revealed distinct histomorphological patterns among TNBC molecular subtypes, with specific subtypes exhibiting varying tumor and stroma compositions. For instance, the immunomodulatory (IM), basal-like (BL), and mesenchymal (M) subtypes were enriched in tumor content, while luminal androgen receptor (LAR) and mesenchymal stem-like (MSL) subtypes showed a predominance of stroma components.
Furthermore, the study introduced a novel deconvolution method to estimate the contributions of tumor and stroma compartments to TNBC classification, highlighting the importance of both components in defining molecular subtypes. The findings indicated that the IM and MSL subtypes are heavily reliant on stroma features, while the tumor compartment alone could only classify three subtypes. Additionally, the authors identified fourteen spatial molecular patterns shared across TNBC patients, revealing significant intra-tumor heterogeneity and associations with clinical outcomes. Notably, the presence of tertiary lymphoid structures (TLS) was linked to favorable prognoses and responses to immunotherapy, underscoring the potential of the TLS ST signature as a predictive biomarker. Overall, this comprehensive analysis emphasizes the complexity of TNBC and the necessity of integrating spatial and molecular data to enhance understanding and treatment strategies.