Cell DIVE應用：基于空間蛋白組學建立結腸癌預后推斷新方法

張覺超

新技術的誕生往往會為行業的發展做出一些貢獻。今天，我們通過解讀匹茲堡大學Cell DIVE^TM用戶在《Nature Communication》雜志上發表的題為“Spatial domain analysis predicts risk of colorectal cancer recurrence and infers associated tumor microenvironment networks"的研究論文^[1]，感受一下徠卡Cell DIVE^TM給予結腸癌預后推斷方法革新的“推背力"。

研究背景

結直腸癌（Colorectal Cancer，CRC）是三大癌癥類型之一，占癌癥相關死亡人數的第二位（圖1）^[2]。雖然CRC患者采用成熟的TNM分型進行分期和治療，但腫瘤的異質性導致相同分型結腸癌患者的預后大相徑庭。統計數據表明，相當比例的CRC患者術后1-2年出現癌癥復發和轉移，進而生命健康受到危害^[2]。而術后積極復查并進行鞏固治療則能夠避免結腸癌復發風險。隨著對CRC研究的深入，研究人員發現CRC異質性在腫瘤微環境中有所體現，并與患者預后存在相關性^[3]。針對這一發現，人們利用腫瘤分子表型、腫瘤微環境組成和腫瘤內T細胞浸潤等指標進行結腸癌預后預測和判斷方法的建立^[4]。近年來，已有一些結腸癌預后判斷的方法被提出（如Immunoscore®等）。但現有的預后推斷方法多基于傳統病理技術，被單次檢測標記抗體的數量所限制，無法做到多指標和空間信息兼顧的全面檢測，導致CRC預后推斷方法的開發遭遇瓶頸。多重標記免疫組化技術的發展幫助我們突破了這一限制。今天我們關注這篇文章的作者就是利用了徠卡Cell DIVE^TM超多標組織成像分析技術實現了CRC預后推斷新方法——計算分析與系統生物學平臺（analytics computational and systems biology platform，SpAn平臺）的建立。

圖1 不同種類癌癥新增病例和死亡比例統計圖（2018年）^[2]

研究簡述

文章的作者在Cell DIVE^TM開發階段就關注了其前身技術（MultiOmyx技術）在CRC微環境檢測方面的潛力，并在Cell DIVE^TM上市后，第一時間將其用于CRC預后推斷方法的開發。在Cell DIVE^TM的幫助下，作者非常輕松的完成了實驗設計中的抗體選擇環節。作者從Cell DIVE^TM認證的400余種抗體的資源庫中選取了55個生物標志物作為檢測目標：其中包括常見的上皮、免疫和基質細胞譜系及分類標記分子，還包括與CRC分型相關信號通路中的關鍵蛋白、胞外運輸和代謝相關的分子標記、腫瘤抑制能力相關的功能蛋白、癌基因相關的生物標志、細胞粘附相關蛋白、細胞和基質結構相關的分子標記、細胞類型及其狀態相關的特征分子等。

隨后，作者利用Cell DIVE^TM成像儀對美國Clearview癌癥研究所收集到的432例TNM分期在I至III期CRC患者的組織微陣列樣本進行超多標熒光免疫組化成像（圖2），并利用Cell DIVE^TM配套分析軟件完成不同腫瘤區域的自動識別（圖3）。根據組織結構特異性標記分子將腫瘤微環境分為上皮區域、間質區域及上皮-間質區域（上皮和間質交界處100 μm的間質和惡性上皮細胞相互作用緊密區域）。

圖3 結腸癌組織區域自動識別及標志物相關性分析

自動分區完成后，作者展開已檢測的55種標志物的相關性分析，并通過遞歸運算從中找出一系列預后判定標志物（圖4）。

圖4 SpAn腫瘤微環境區域特異標志物分析

接下來，作者通過人工智能學習把標志分子表達模式和腫瘤微環境空間信息結合，開發出CRC預后推斷運算模型SpAn平臺，從而成功地將CRC患者分為術后高復發風險組和低復發風險組（圖5）。與以往的CRC預后推斷方法不同，SpAn平臺不需要額外輸入患者表型數據，可以*根據腫瘤微環境的空間蛋白組學信息進行預后推斷。

圖5 SpAn平臺5年CRC復發風險生存曲線檢驗

最后，SpAn平臺與已有的CRC預后推斷方法對比表明，SpAn預測CRC患者5年復發風險的平均AUROC為88.5%（SE=0.1），顯著優于目前的方法。相信在不遠的將來，SpAn平臺能幫助醫療工作者為CRC患者精準地制定術后鞏固治療方案。

Cell DIVE^TM “解密"

回顧SpAn平臺的建立，Cell DIVE^TM技術對組織微環境的超多標成像和分析功不可沒。下面有請功臣“閃亮登場"：

Cell DIVE^TM超多標組織成像分析整體解決方案，從上游的樣品制備，到染色成像，再到下游的數據分析，能夠提供一整套實驗解決方案，突破傳統H&E染色、免疫組化和傳統免疫熒光10個biomarkers以內的限制，實現一張腫瘤組織切片上超過60個biomarkers的定性與定量分析，從單細胞水平的層面上，對腫瘤微環境進行空間信息挖掘，助力腫瘤免疫治療的研究。

當然，如果您還想了解Cell DIVE^TM的更多優點，敬請關注公眾號近期的相關文章。

了解更多：徠卡顯微

參考文獻

[1] Uttam S, Stern A M, Sevinsky C J, et al. Spatial domain analysis predicts risk of colorectal cancer recurrence and infers associated tumor microenvironment networks. Nature Communications, 2020, 11(1).

[2] Freddie, Bray, Jacques, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: a cancer journal for clinicians, 2018.

[3] Guinney J, Dienstmann R, Wang X, et al. The consensus molecular subtypes of colorectal cancer. Nature medicine, 2015, 21(11):1350-1356.

[4] F Pages, Mlecnik B, F Marliot, et al. International validation of the consensus Immunoscore for the classification of colon cancer: a prognostic and accuracy study. Lancet, 2018, 391: 2128–2139.

[5] Gerdes MJ, Sevinsky CJ, Sood A, et al. Highly multiplexed single-cell analysis of formalin-fixed, paraffin-embedded cancer tissue. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(29).