文献解读:肿瘤细胞多样性驱动微环境重编程

在研究肿瘤的思路里,一般都会想着找到一个显著差异的特征或者差异表达的基因,然后通过调节这个因素证明其中的通路和机制,找到“潜在的靶点”。
但其实大家也都心知肚明,肿瘤是存在异质性的,哪怕是一个病人的病灶也存在异质性,在细胞层面上则表现为细胞多样性。
这种细胞多样性恰恰是很多肿瘤病人尤其是实体肿瘤病人治疗失败、预后不好的关键因素。
近日,Cell子刊Cancer Cell online了一篇美国国立卫生研究院Xin Wei Wang课题组题为“Tumor Cell Biodiversity Drives Microenvironmental Reprogramming in Liver Cancer”研究论文,
论文揭示了癌细胞的多样性驱动微环境的重编程,为我们理解肿瘤多样化的生态系统及其对患者预后的影响提供了新视角。
以下为官网中Xin Wei Wang的简介:
下面由小鹿给大家文献解读一下这篇论文。
 

为了研究肿瘤细胞的生物多样性,该研究用单细胞测序的方法测了19个接受了免疫检查点治疗的肝细胞肝癌(HCC)和肝内胆管癌(iCCA)病人。
其中12个病人组成一个训练集(5115个细胞),另外7个组成验证集(4831个细胞)。
PS:分析异质性或多样性时用单细胞测序在技术上就高了一层,因为组织中往往混合了不同类型的细胞。
结果如图所示,A为研究的流程,B图表明这12个病人的肿瘤细胞可以形成不同的cluster,有些独立,有些相互重叠。
而C图表明,有些细胞会有较高的表皮marker基因表达,提示这些肿瘤细胞可能有着相同的肿瘤起源。
然后他们转录组数据鉴别出了702个恶性细胞和4380个非恶性细胞,并概括了肿瘤细胞的染色体拷贝数变异,发现和之前的报道基本一致。
一些marker基因(epithelial marker genes 和liver marker genes)在恶性细胞和非恶性细胞中有着显著的差异。
然后研究人员进一步把恶性细胞单独拿出来分析,发现不同病人的肿瘤细胞各自为战,成为一簇。
而且有些病人的肿瘤细胞的点占的面积大,有的占的面积小,说明不同病人的肿瘤细胞的异质性也存在差异,即瘤内异质性和瘤间异质性(A图)。
那些非恶性细胞就不一样了,相同的细胞类型会聚集在一块形成单独的一簇(B图)。
不同的病人,细胞的组成也存在差异,C图表示了不同病人的恶性细胞和非恶性细胞在数量上和比例上都有差异,而D图无常的比例图表明不同病人的基质细胞比例存在非常大差异。
为了进一步研究肿瘤的瘤内异质性,他们确定了每个病人的肿瘤细胞轨迹图(A图)。
并根据10个肝癌干性相关基因的平均表达确定了肿瘤细胞之间的邻近相似性,及与细胞干性之间的关系,发现肿瘤细胞的相似性随肿瘤的不同而有着很大的变化。
所有恶性细胞的相关性分析进一步揭示了肿瘤之间的转录组生物多样性,比如H38病人的肿瘤细胞群相对均一,而C25病人的肿瘤细胞则相对多样化(B图)。
PCA的分析也同样证实了这一点(C图)。

为了衡量瘤内异质性,研究人员用PCA的方法建立Diversity score,并将其分为每组4个病人的高低两组。
检验发现两组间的score(E图)和生存时间(F图)存在显著差异,这一现象在验证集中也得到证实。
同时,研究人员也发现Diversity score能很好的区分HCC病人的生存曲线,却不能区分iCCA的病人,比较后才发现原来HCC和iCCA的Diversity score存在显著差异。
将12个病人分为3类,发现Diversity score低的一组,预后最好,Diversity score高的一组预后最差,说明肿瘤内的异质性会影响病人的生存预后。
然后研究人员将非恶性细胞分群和Diversity score结合起来进行分析,发现Div-High 和Div-Low两组的表达谱有着明显的差异(A图)。
每种细胞类型中的分布也有差异(B图),表明肿瘤细胞的生物多样性可能与肿瘤微环境的重编程有关。
为了研究Div-High的肿瘤是不是释放了什么细胞因子导致微环境的重编程,他们用了图C的研究策略发现了VEGFA这个分子。
VEGFA主要在恶性细胞中表达(图D),在Div-High和Div-Low也有显著差异表达(图E),免疫生化的结果也证明了这一现象。
因为VEGFA是HIF1A的直接靶标(没错,又是这个HIF1A!),研究人员将一些缺氧相关的基因在Div-High和Div-Low两组中进行了差异表达分析。
发现VEGFA名列榜首,而且与HIF1A的共表达关系也是top1!
而H图中结果也进一步证实了Div-High的肿瘤中有更高的HIF1A表达水平和缺氧信号。
同时研究人员也发现VEGFA的替代基因也能区分Div-High和Div-Low的肿瘤,说明在Div-High和Div-Low中确实存在显著差异的VEGFA信号。
因此,Div-High恶性细胞可能产生VEGFA,这可能影响微环境的重编程从而影响患者的预后。
文章最后,研究人员单独研究了微环境中的T细胞。
发现Div-High中的T细胞更倾向于聚集在进化树的树干上,而Div-Low中的T细胞更倾向于聚集在树枝上。
基因富集分析的结果也发现Div-High的这组会富集到EMT这种经典的肿瘤相关通路。
同时研究人员也发现一些和免疫活性相关的重要基因在Div-High组中会显著的低表达,也就是说Diversity score可能能够作为一个免疫抑制状态的marker。
总结全文,这篇文章的highlights有:
1. HCC和iCCA有着非常显著的转录组多样性;
2. 肿瘤转录组层面的多样性与病人预后密切相关;
3. 肿瘤来源的VEGF驱动微环境的重编程;
4. 高异质性肿瘤中的T细胞细胞杀伤活性较低。
这篇文章的介绍就到这里了,想要了解更多细节,那就去原文中学习吧,一定会有收获的!
文献解读

文献解读:基于SEER数据库的临床预测模型

2020-2-17 21:29:04

文献解读

文献解读:肿瘤浸润淋巴细胞在病理图像上的空间组织与分子相关性

2020-2-18 16:04:57

声明 本网站部分文章源于互联网,出于传递更多信息和学习之目的转载,并不保证内容正确或赞同其观点。
如转载稿涉及失效、版权等问题,请立即联系管理员;我们会予以修改、删除相关文章,请留言反馈
Notice: When your legal rights are being violated, please send an email to: [email protected]
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索