|
大家好，今天给大家解读一篇题为Spatia lly resolved multi-omics deciphers bidire ctional tumor-host interde pende nceing liobla stoma（空间分辨的多组学破解胶质母细胞瘤中肿瘤-宿主的双向相互依赖性）在胶质瘤中，细胞会在间充质样、神经前体细胞样、星状细胞样和少突胶质细胞前体样状态之间切换以适应环境变化。 01 研究背景 胶质母细胞瘤是中枢神经系统的恶性肿瘤，以亚克隆多样性和发展层次中的动态适应。空间内动态重组的来源这些肿瘤的背景仍然难以捉摸。在这里，我们通过空间分辨的转录组学、代谢组学和蛋白质组学来表征胶质母细胞瘤。 通过破译区域共享的转录程序在患者中，我们推断胶质母细胞瘤是由谱系状态的空间分离和适应炎症和/或代谢刺激，让人想起成熟星形细胞中的反应性转化。代谢成像和成像质谱细胞术的整合揭示了局部肿瘤宿主相互依赖，导致空间排他性的适应性转录程序。 见图一 方法和队列概述。  图一 （A） 工作流程和空间数据集队列的说明（左）以及所用分析方法的概述（右）。 （B） 所有整合的空间分辨转录组点的t-相邻居嵌入（tSNE）图。颜色反映个体标本和患者。数字表示匿名患者样本ID。字母表示组织的解剖起源。T、 肿瘤；TI，肿瘤浸润性；TC，肿瘤核心；C、 皮层。 （C） 肿瘤细胞含量预测工作流程概述（顶部）和tSNE图（底部）。颜色表示预测的肿瘤细胞含量的百分比。 （D） 组织定义区域的不同分辨率的示例。 （E） 基于ANN估计的stRNA-seq数据集中恶性斑点百分比的点图。 见图二 空间上不同转录程序的探索。  图二 （A） 胶质母细胞瘤的空间分辨转录组学热图。颜色表示标准化的地区项目分数。热图按主要单元格排列相位（G1、S或G2/M）。热图下方显示了患者样本和每个斑点的组织学来源。 （B） 99个单独转录程序的空间加权相关分析的热图。分层聚类（Ward.D2）确认了5个程序（Calinski方法，右）具有大的空间同余。每个患者参与每个集群的程序百分比显示在左侧。 （C） 富集分数和当前转录特征的空间重叠的空间加权相关性分析。通过对所有签名进行聚类 主要分支出现：神经胶质样、神经元样和应激反应反应特征。具有高互相关性的特征用线标记。 （D） 不同CNA在空间上不同转录亚型的热图。在底部的条形图中，我们量化了排他仅出现在定义的空间上不同的亚群中的亚群。小提琴图表示空间上独特CNA事件（亚克隆）的相对数量不同的转录程序。使用Mann-Whitney U检验确定显著性，并使用Bonferroni对多次检验的p值进行校正。 见图三 转录亚群独立于亚克隆结构。  图三 （A） 工作流程的概述和说明（左）以及亚克隆中空间共享和排他性转录程序概念的说明。 （B） 样品#UKF 260_T的CNA热图显示3个显性亚克隆。 （C） 点图指示来自示例#UKF 260_T的转录亚组（以行）和亚克隆（以列[cols]）之间的空间重叠如（B）所示。大小和颜色显示重叠的百分比。 （D） 点图表示所有亚克隆的转录亚组（以行形式）和亚克隆（以列形式）之间的空间重叠。底部的颜色演示患者。尺寸和颜色显示了重叠的百分比，如（C）所示。 见图四 空间分辨代谢组学和转录数据的整合。  图四 （A） 整合来自6名患者的转录和代谢组学数据的工作流程说明。通过两种抽样比较进行数据分析以及纵向和横向一体化。 （B） 使用倒数PCA（RPCA 1-2）对患者代谢数据进行水平整合的散点图，以及转录组水平整合使用相互最近邻（MNN）积分的数据（MNN均匀流形近似和投影[UMAP]1-2）。这两个数据由散点图中显示的加权最近邻（WNN），然后是降维（WNN UMAP 1–2）。未进一步指定NA群集。 （C） 所有整合点的空间分辨转录组学热图。颜色表示标准化的地区项目分数。热图下方的条形图显示了特征在空间上不同的子组中的个体分布。 （D） 样品#UKF 275_T中综合分析的表面图。顶部显示缺氧转录激活（左），代谢激活（来自MALDI）。在底部，缺氧相关斑点用红色表示，缺氧核心用绿色表示。随机点显示为蓝色。这个方框连接相同的空间位置。在右下角，显示了细胞周期（G2M）的富集分数。 （E） 复制缺氧表型的数字热图。Wilcoxon测试了一个显著的变化，并通过FDR进行了纠正。 见图五 缺氧相关CNA改变的TCGA和细胞培养验证。  图五 （A） TCGA数据分析的概述和工作流程。 （B） TCGA数据验证。根据缺氧评分（来自基因表达）和转录亚组（左上）对患者进行分组。小提琴的情节显示了反应转录亚组内的缺氧评分：MES，间充质；PN，前神经；CL，古典。通过单因素方差分析检验显著性。 （C） CNA频率和缺氧评分的散点图。点大小表示基于突变负荷和CNA的基因组不稳定性。 （D） TCGA数据在整个基因组中的CNA图谱，具有重叠的缺氧（用红色表示）和非缺氧（用绿色表示）评分。 （E） 在低氧或常氧条件下培养的4名患者的原代细胞培养物的实验验证。实验工作流程图（顶部）。来自850000个甲基化数据的CNA图谱显示，在缺氧条件下，新CNA的随机积累。 （F） MGMT TSS1500–第一外显子的CpG岛。y轴显示甲基化β值。棒棒糖图显示了MGMT启动子处缺氧应激反应之间的差异甲基化。点的颜色表示样品来源、缺氧处理（红色）或正常氧（绿色）。方框的颜色（底部）表示染色体区域。 见图六 缺氧应激概念和逃逸机制的阐释。  图六 （A） 增殖缺氧相互依赖假说的概念和模型。首先，增殖增加导致生长和区域代谢失衡 缺氧。缺氧诱导的细胞周期终止与S期的滞留和CNAs的连续积累有关。第二，细胞获取这种潜在的抵抗优势可以逐渐迁移出缺氧区域。 （B） 矢量场计算模型，包括基因表达水平空间位移的排列梯度，并指示迁移方向激活。 （C） 空间转录组实例（#UKF275_T）的表面图。箭头表示来自定义的转录程序。为了说明，我们计算了由基因表达水平的空间位移的排列梯度组成的矢量场。通过在固定的空间网格，我们计算了空间轨迹的近似值。 （D） 指示坏死（左图）与缺氧富集（左起第二）、细胞周期（G2M，和径向胶质细胞迁移（左起最后一个）。 见图七 单细胞质谱仪的整合。  图七 （A） 成像质量细胞术数据在空间转录组数据中的整合说明。基于定义的转录组小生境（另请参见图2），为IMC选择了定义的区域。底部是IMC数据的图解分析管道。 （B） 占主导地位的空间分辨转录模式的不同区域中细胞类型多样性的维度减少。 （C） 淋巴和骨髓细胞在空间分辨转录模式中变化的条形图（上图）。我们标记的空间分辨亚型的肿瘤细胞多样性热图（底部）。 （D） 量化细胞关系的工作流程图（顶部）。肿瘤细胞和髓系细胞之间细胞连接的量化（青色）或淋巴（紫色）细胞（底部）。 （E） 以#UKF275的H&E为例进行了介绍。彩色口罩表示不同的反应性免疫区域（红色）和缺氧区域（绿色）。 （F和G）每个子区域的细胞计数和细胞类型的图解。肿瘤细胞的计数和统计如（F）所示，非恶性细胞如（G）所示。统计数字通过ANOVA进行，并对p值进行校正（FDR），并显示为***p<0.001、***p<0.01、*p<0.05。 （H） 以骨髓细胞（右上）和效应T细胞的细胞位置的反褶积为例。在顶部，胶质母细胞瘤免疫的2D表示车厢介绍。该数据集由三个最近发布的数据集（STAR方法）合并而成。底部是空间富集的热图CD4+和CD8+T细胞亚型的聚光灯评分。 见图八 离体人类皮层培养表明了环境影响的双向转变。  图八 （A） 测试不同宿主环境对肿瘤细胞影响的工作流程示意图。 （B） 主机环境概述。 （C） AIF1（髓细胞）标记的scRNA-seq的尺寸缩小UMAP 2D表示和7号染色体（肿瘤细胞）中的增益。 （D） 所有整合scRNA-seq数据的降维UMAP表示。颜色表示培养细胞的宿主环境。 （E） 转录亚型的富集分析，热图指示每个细胞的富集分数。在底部举例说明了亚群和环境条件。 （F） Neftel等人描述的四种主要细胞状态的火山图。（2019）。颜色表示组织供体的来源。 （G） 从scRNA-seq数据的动力学模型导出的速度被证明为PCA降维。主要基因平均流量通过速度流线可视化对应于在不同组织供体内注射后的肿瘤细胞分化。 （H） 在类似于（G）的表示中使用CellRank来估计初始状态和终端状态。 （I） 未剪接基因表达的散点图（y轴）和剪接基因表达（x轴）显示了不同的集群。PTPRZ1在MES样2细胞状态和OPC状态下的KCNH8中显示上调，如右上角的PCA图所示。 02 研究结论 总之，我们已经阐明了区域GBM的转录程序，并绘制其微环境景观，包括代谢和肿瘤宿主细胞相互作用。通过证明主机环境在重塑遗传和转录异质性方面发挥着重要作用，我们深入了解了患者间的异质性，从而为GBM的早期复发和治疗提供了依据反对我们得出的结论是，量身定制的治疗方法是必需的，突出个性化的重要性神经肿瘤学方法。 好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。 |
|
|
