Cell Reports Medicine丨单细胞乳腺肿瘤图谱揭示肿瘤上皮细胞与免疫细胞的错综复杂关系并预测抗PD-1疗效
学术
2024-07-31 18:00
浙江
今天分享的是24年4月份发表在Cell Reports Medicine 上的一篇文章，标题为A comprehensive
single-cell breast tumor atlas defines epithelial and immune heterogeneity and
interactions predicting anti-PD-1 therapy response。本文的通讯作者是德克萨斯大学西南医学中心内科系助理教授 Isaac Chan。Isaac Chan是美国癌症研究协会和癌症免疫治疗学会的成员,专攻免疫疗法、乳腺癌和转移性癌症研究。他的工作着眼于了解癌细胞扩散的过程,以期找到更好的治疗和预防转移性疾病的方法。乳腺癌是女性最常见的癌症。乳腺癌的发展由癌症上皮细胞内在因子和肿瘤微环境共同驱动。单细胞RNA测序(scRNA-seq)技术已被用于更好地表征乳腺癌肿瘤微环境,但受到分析的样本数量和细胞数量的限制。在乳腺癌中,肿瘤浸润性NK细胞很少见,在已发表的原发性乳腺肿瘤scRNA-seq数据集中仅占总肿瘤细胞的1%-6%。因此,NK细胞的scRNA-seq分析通常不足以捕获其独特的功能表型。此外,乳腺癌在单个患者的肿瘤内以及临床亚型的患者之间具有显著的异质性。因此,对癌症上皮细胞异质性的综合分析需要大量且多样化的数据集。在这项研究中,作者整合了多个数据集创建了一个乳腺肿瘤微环境的scRNA-seq图集。基于这些数据,作者能够分离原发性乳腺肿瘤内的细胞群,并在单细胞水平上对细胞异质性进行可靠的表征。作者定义了免疫细胞和癌症上皮细胞的异质性及其相互作用。这是首次在乳腺癌中定义NK细胞亚群,并提供了癌症上皮细胞异质性影响免疫相互作用和抗PD-1疗法反应的证据。作者在8个公开可用的数据集中获得了119个原发性乳腺肿瘤样本,这些样本来自32至90岁的88名未经治疗的女性患者。作者对这些样本进行了质控、整合、去批次效应、聚类和注释(图1A,B)。以前尚未有研究剖析人类乳腺肿瘤微环境中的NK细胞亚群,为了解决这一空缺,作者从集成数据集中重新聚类NK细胞,获得了6个NK细胞亚型(图1C),并确定了每个亚型的上调基因(图1D)。有研究发现,暴露于恶性乳腺上皮细胞后,NK细胞被肿瘤细胞影响而转化为促进肿瘤生长的rNK细胞。因此,作者思考这6个NK亚型中是否有类似细胞,并对其进行了rNK标记基因表达水平的打分,发现NK-1组的得分显著高于其他亚型(图1E)。进一步的差异表达分析发现,NR4A家族、FOS、JUN和DUSP1是最差异表达的基因,与NK-1的上调基因一致,表明NK-1与rNK最相似(图1F)。为了测试rNK细胞是否与特定的乳腺癌亚型相关,作者检查了rNK细胞在临床亚型中的表达,发现所有亚型的rNK细胞表达没有显著差异(图1G)。另外,作者发现rNK细胞和癌症上皮细胞在所有癌症亚型之间都存在受体-配体对(图1H)。通过相关性分析,作者进一步证实了rNK细胞之间的基因表达水平更相关(图1I),说明rNK细胞普遍存在于乳腺癌不同亚型中。为探究rNK细胞的临床意义,作者观察到rNK细胞的高表达与老年相关(图1J),但通过TCGA样本分析排除了年龄的影响(补充图S5E)。随后的生存分析发现,rNK细胞特征的表达增加与较差的总生存期相关(图1K)。此外,作者展示了集成数据集中患者的NK细胞异质性程度,发现NK细胞亚群在不同临床亚型的比例存在显著差异(图1L)。图1 整合原发性乳腺癌的scRNA-seq数据集识别乳腺癌中的6个NK细胞亚群众所周知,癌症上皮细胞在单一基因水平上表现出显著的原发性乳腺肿瘤异质性。新的抗HER2和抗TROP2药物已被证明在靶点RNA和蛋白质表达异质性的患者中具有疗效。作者发现,在超过90%的样本中检测到ERBB2和TACSTD2在细胞水平的异质性RNA表达(图2A,B)。为探究哪些临床相关的靶基因与ERBB2和TACSTD2表达相关,作者分析了这两组细胞里临床可操作靶点的表达水平(图2C,D)。结果发现,TACSTD2Med细胞高度表达NECTIN2,这是一种与TIGIT相关的配体,暗示了抗TROP2疗法和免疫检查点抑制的潜在协同作用。进一步的差异基因表达分析显示,CEACAM6、DUSP6和ITGB6在ERBB2Med细胞中上调,这与先前报道的它们在HER2+癌细胞中的表达一致;而KRT14和KRT17在TACSTD2Hi细胞中显著上调,这些基因被认为是高度转移性乳腺癌细胞的标志(图2E,F)。评估与临床特征的相关性时发现,在非HER2+肿瘤中,ERBB2表达细胞的比例与淋巴结状态无显著关联,但TACSTD2表达细胞比例增加的肿瘤与较高的淋巴结状态显著相关(图2G,H)。作者进一步使用分子亚型分类器对数据集中的癌上皮细胞进行分类,并量化了患者肿瘤中所有癌症上皮细胞的异质性程度。结果发现,33.3%的样本存在分子亚型以外的其他因素导致的异质性(图2I,J),说明需要更高分辨率的方法研究癌症上皮细胞的肿瘤内异质性。![]()
作者为了开发针对癌上皮细胞异质性的高分辨率分类器,首先对集成数据集中的所有癌上皮细胞进行聚类,得到不同癌症上皮细胞簇的上调基因。然后根据常见的12个临床靶点和SC50分子亚型对这些细胞进行分类,提取出反映临床特征和亚型特征的上调基因。将这些基因再次聚类,确定了10个"基因元件"(GE),并使用这10个GE将每个癌症上皮细胞分成10类(图3A)。评估分子亚型时发现,GE3标记的细胞主要被归为basal亚型,而大部分GE9标记的细胞被归为Her2亚型(图3B)。进一步的富集分析显示,不同GE在生物学功能上具有异质性(图3C),并验证了该分类方法不受临床或分子亚型的限制。为探究癌上皮细胞肿瘤异质性如何影响肿瘤微环境中的免疫相互作用,作者使用NicheNet预测GEs和免疫细胞的受体-配体配对,发现GE1和GE6与NK细胞的预测作用强度最大(图3D)。验证发现,GE1和GE6表达的增加能显著降低NK细胞杀伤的敏感性(图3E)。作者还观察到GE1和GE6癌上皮细胞与NK细胞形成抑制NK细胞活性的受体-配体对(图3F),验证了癌上皮细胞异质性对肿瘤微环境免疫相互作用的影响。图3 通过基因元件(GEs)定义癌症上皮细胞异质性并预测患者的免疫反应作者使用整合数据集中的空间数据集,将10个GE应用于每个样本,并使用NicheNet推断哪些GE标记的细胞与T细胞相互作用。结果显示,GE5表达与所有样本中的CD8+T细胞呈正相关,并确定了CD8+T细胞与GE5表达共定位(图4A,B)。在CD8+T细胞高度存在的区域,作者观察到免疫细胞相互作用中的重要受体-配体对的共定位增加。由于免疫检查点抑制剂(ICI)通过激活CD8+T细胞的抗肿瘤作用来实现其疗效,作者利用GE-免疫细胞相互作用强度,结合患者肿瘤的GE组成和表达水平,开发了InteractPrint方法来预测患者对抗PD-1治疗的响应。将这种方法应用于一个乳腺癌患者抗PD-1治疗前后的数据集A,结果显示治疗前存在显著的癌症上皮细胞肿瘤异质性。使用治疗后的样本验InteractPrint预测的准确性,ROC曲线分析显示其在预测抗PD-1治疗响应者的能力显著优于仅使用癌细胞PD-L1表达(图4C,D)。接下来,作者将该方法应用于I-SPY2试验数据集,观察到的肿瘤异质性水平与前述数据集一致。同样地,T细胞InteractPrint在预测抗PD-1治疗反应方面显著优于癌细胞PD-L1表达(图4E,F)。通过两个试验,这些结果突出了T细胞InteractPrint能够解码癌细胞瘤内异质性如何影响患者的CD8+T细胞响应。图4 InteractPrint预测患者对抗PD-1治疗是否响应总的来说,该研究通过整合多个数据集构建了乳腺肿瘤微环境的综合单细胞转录组图谱,深入探讨了肿瘤上皮细胞和免疫细胞,特别是自然杀伤细胞的异质性。作者开发了名为 InteractPrint 的方法,利用T 细胞与癌细胞之间的相互作用预测患者对免疫检查点抑制治疗的反应,在两个独立的乳腺癌临床试验数据集上证实了其预测能力明显优于仅使用癌细胞PD-L1表达水平。这一结果突出了综合分析肿瘤上皮细胞和免疫细胞的异质性能够更好地预测免疫治疗反应,为精准医疗提供了新的思路。同时,该研究也为深入理解乳腺肿瘤微环境提供了高质量的单细胞数据资源。课题组网站：https://www.hanlab.net/
