Cancers | 通过MRI栖息地量化肿瘤异质性表征HER2+乳腺癌的微环境改变

科技科学 2024-06-28 12:30 重庆

华盛顿大学放射科、美国德克萨斯大学奥斯汀分校奥登计算工程与科学研究所、生物医学工程系、诊断医学系和肿瘤系的研究学者们，2022年Cancers (JCR Q1) 杂志上发表了通过MRI栖息地量化肿瘤异质性表征HER2+乳腺癌的微环境改变“Quantifying Tumor Heterogeneity via MRI Habitats to Characterize Microenvironmental Alterations in HER2+ Breast Cancer”

通过MRI栖息地量化肿瘤异质性表征HER2+乳腺癌的微环境改变

简单总结：肿瘤的异质性影响肿瘤的进展和对治疗的反应，这给乳腺癌的治疗带来了重大挑战。采用磁共振成像(MRI)来表征HER2+乳腺癌小鼠模型治疗后肿瘤的异质性。

在两部分的方法中，首先使用定量MRI识别肿瘤的独特亚区(即“肿瘤栖息地”，解决肿瘤内异质性)，然后在治疗前使用栖息地将肿瘤分层为两种不同的“肿瘤成像表型”(解决肿瘤间异质性)。肿瘤表型对治疗表现出不同的反应，表明基线表型可以预测治疗反应。此外，成像栖息地与血管成熟、缺氧和巨噬细胞浸润的组织学指标之间存在显著相关性，为体内成像栖息地提供了离体生物学验证。这些技术在临床环境中的应用可以提高对个体患者肿瘤病理和潜在治疗敏感性的理解。

摘要：本研究利用定量磁共振成像(MRI)识别肿瘤生理栖息地，阐明肿瘤间差异，并表征靶向治疗和细胞毒性治疗的微环境反应。BT-474人表皮生长因子受体2 (HER2+)乳腺肿瘤在治疗前和治疗期间(曲妥珠单抗，紫杉醇)分别用弥散加权MRI和动态增强MRI测量肿瘤细胞和血管。对肿瘤进行抗cd31、抗asma、抗cd45、抗f4 /80、抗吡莫硝唑和H&E染色。MRI数据聚类，以确定和标记每个栖息地的血管和细胞。采用预处理生境组合将肿瘤分层为两种“肿瘤成像表型”(1型、2型)。与2型肿瘤相比，1型肿瘤高血管高细胞(HV-HC)生境的肿瘤体积百分比显著高于1型肿瘤，低血管高细胞(LV-HC)和低血管低细胞(LV-LC)生境的肿瘤体积百分比显著低于2型肿瘤。肿瘤表型在治疗反应方面表现出显著差异，包括肿瘤体积和生理组成的变化。组织学染色与肿瘤生境呈正相关。这些发现表明，差异基线成像表型可以预测对治疗的反应。具体来说，与2型肿瘤相比，1型表型表明对靶向或细胞毒性治疗的敏感性增加。

用于栖息地成像分析和肿瘤成像表型鉴定的通道。在第0天(治疗前)、第1天和第4天获取DW-和DCE-MRI的纵向数据，并对每只小鼠进行处理，生成定量参数图(A，上行)。第5天切除肿瘤进行免疫组化(IHC)和免疫荧光(IF)分析。对多参数图像数据进行聚类以识别肿瘤栖息地(B，中行)。肿瘤的基线成像数据(第0天)根据肿瘤栖息地组成的细胞性和血管性将肿瘤分为两种表型(C，左下行)。肿瘤单独按治疗组(合并)或除肿瘤成像表型(1型，2型)分开，并根据每个栖息地组成的肿瘤体积百分比进行肿瘤组成的纵向分析(D，右下行)。

对于每个肿瘤ROI，提取多参数体素数据，为每个体素生成一个四维向量(Ktrans, ve, kep和ADC)(图1)。然后将所有体素数据(即所有时间点的所有肿瘤)合并，并将每个参数分布缩放为平均值为零，标准差为1，以便每个参数对聚类过程的贡献相等。为了识别肿瘤栖息地，与之前的工作一样，使用Ward链接和欧几里得距离度量的聚类算法对缩放后的体素数据进行聚类。聚类过程不使用空间信息。关于该过程的更多细节已在之前发表。根据先前在同一肿瘤模型中的发现[27]，将生成的树突图以k = 3进行切割，以识别三种肿瘤栖息地。

对于每个自动识别的聚类，计算每个MRI参数的平均值，以确定聚类(栖息地)在高或低“血管性”和“细胞性”方面的生理表现。血管性是指一个体素内血管灌注和通透性的水平，用Ktrans和keep来量化。细胞密度是指一个体素内的细胞密度和细胞膜不渗透性，用ADC和ve来量化。平均Ktrans < 0.2 min−1或keep < 0.5 min−1的群集被标记为低血管性(LV)栖息地，否则被标记为高血管性(HV)栖息地。平均ve > 0.6或ADC > 7.5 × 10−4 mm2/s的群集被标记为低细胞(LC)栖息地，否则标记为高细胞(HC)栖息地。

为了辨别肿瘤间的差异，通过从预处理定量MRI数据中提取的肿瘤栖息地来确定肿瘤成像表型。每个肿瘤使用3D矢量通过其基线肿瘤组成来描述，其中每个元素由基线时三个已确定的肿瘤栖息地组成的肿瘤体积百分比组成。然后将肿瘤数据汇总，并对每个维度进行缩放，以获得平均值为零，标准差为1。基线肿瘤数据然后聚类使用聚集聚类与沃德连锁和欧几里得距离测量来确定表型。平均剪影法用于确定簇的数量(在2到10之间)，以切割最终的树状图。

每个栖息地组成的肿瘤体积百分比用于量化肿瘤微环境对曲妥珠单抗或紫杉醇治疗的反应。计算每个治疗组每个栖息地肿瘤体积的中位数百分比。在二次分析中，根据肿瘤成像表型对肿瘤进行细分，然后计算表型亚组内每种治疗的每个栖息地肿瘤体积的中位数百分比。在每个成像时间点以这种方式评估肿瘤组成。

肿瘤栖息地的特征。使用每个定量成像参数的平均值来确定每个栖息地所代表的生理学(A)。根据高或低的“血管性”(Ktrans, keep)和“细胞性”(ADC, ve)来标记已识别的肿瘤栖息地。确定了三种肿瘤栖息地:高血管-高细胞性(HV-HC)、低血管-高细胞性(LV-HC)和低血管-低细胞性(LV-LC)。误差条表示标准差，**表示p < 0.01。代表性参数图和对应的栖息地图如(B)所示，其中HV-HC栖息地为红色，LV-HC为绿色，LV-LC为蓝色。Ktrans的单位为mL(血)/mL(组织)/min, ADC的单位为mm2/s。

肿瘤影像学表型的发现。(A)为基线时肿瘤栖息地之间的线性关系。每个点代表第0天(治疗前)的一个肿瘤，肿瘤表型用形状表示(类型1:黑色圆圈，类型2:白色方块)。LV-HC和HV-HC的肿瘤体积百分比(r = - 0.75, p < 0.01)与LV-LC和HV-HC的肿瘤体积百分比(r = - 0.80, p < 0.01)呈负线性相关。LV-LC肿瘤体积百分比与LV-HC生境呈线性正相关(r = 0.33, p < 0.01)。(B)显示了利用基线肿瘤栖息地信息(行)从肿瘤聚集聚类(热图中的列)得到的树状图和热图，从中确定了两种表型。这些肿瘤成像表型被指定为1型(黑色)和2型(白色)。(C)显示了第0天1型和2型肿瘤的代表性栖息地图以及相应的整个肿瘤组成饼状图。1型肿瘤中HV-HC的比例明显高于2型肿瘤，而LV-HC和LV-LC的比例明显降低(D)。误差条为95%置信区间，**表示p < 0.01。

细胞毒性和靶向治疗对1型肿瘤组成的纵向改变。每行的左列(A-C)显示了1型肿瘤在0,1和4天的每个栖息地(HV-HC, LV-HC, LV-LC)的肿瘤体积中位数百分比。每行的右列(A-C)显示了1型肿瘤在第0,1和4天的代表性栖息地地图。对照(A行)、紫杉醇治疗(B行)和曲妥珠单抗治疗(C行)肿瘤组成的纵向变化。1型肿瘤经紫杉醇治疗后，HV-HC区肿瘤体积百分比纵向降低(p < 0.01)， LV-LC区肿瘤体积百分比纵向升高(p < 0.01)。曲妥珠单抗治疗的1型肿瘤在第4天显示LV-LC栖息地肿瘤体积百分比的纵向增加(p < 0.05)。在1型对照肿瘤中，肿瘤栖息地组成没有明显的纵向变化。误差条为标准差，**表示p < 0.01

MRI肿瘤栖息地与免疫荧光(IF)染色的相关性对于每个肿瘤，计算每个栖息地的肿瘤体积百分比(A)。对于每个肿瘤切片和IF染色，将染色阳性区域量化为活组织面积百分比(A)。计算每个栖息地的肿瘤体积百分比与每个IF染色的活组织面积百分比之间的相关性。HV-HC生境肿瘤体积百分比与CD31+ (r2 = 0.49, p = 0.03)、CD45+、F4/80+ (r2 = 0.47, p = 0.04)区(B，从左至右)活组织面积百分比及血管成熟指数(r2 = 0.57, p = 0.01)呈显著正相关。LV-HC生境肿瘤体积百分比与吡莫硝唑+区活组织面积百分比呈显著正相关(r2 = 0.60, p < 0.01) (B图，最右)。

开发了一种新的空间分辨方法，用于使用MRI栖息地识别和量化肿瘤内异质性，然后使用该分析来识别HER2+乳腺癌临床前模型中具有不同治疗反应的独特肿瘤表型。1型表型与紫杉醇和曲妥珠单抗的改善反应相关。然而，在曲妥珠单抗治疗的2型肿瘤中观察到肿瘤组成的变化，突出表明治疗反应的微环境改变。我们通过血管成熟和缺氧的组织学测量进行相关性分析，进一步提供了成像栖息地的生物学验证。该方法能够阐明肿瘤内时空异质性的变化，并提供了一种量化肿瘤间多样性的方法。这些技术在临床环境中的应用可以提高对个体患者肿瘤病理和潜在治疗敏感性的理解。

Cancers 2022, 14, 1837

如您觉得内容不错，对您有帮助，希望能够点赞、在看、分享、打赏！感谢您的支持。

组学杂谈

组学、影像技术、文献解读，统计分析，深度学习、临床研究等