区域性细胞外基质瓦解和神经侵犯在胰腺癌中的肿瘤生物学基础

2024-05-27 Mon
区域性细胞外基质瓦解和神经侵犯在胰腺癌中的肿瘤生物学基础背景介绍胰腺导管腺癌（Pancreatic Ductal Adenocarcinoma，PDAC）是最具侵袭性的癌症类型之一，其通常与高度纤维化的基质相关，基质可能占肿瘤质量的90%左右。尽管形态学异质性在常规病理报告中并未涉及，但其具有预后意义，指示潜在的肿瘤生物学。PDAC肿瘤内异质性在分子水平上通过单细胞RNA测序（scRNA-seq）揭示了基因表达程序的多样性，且高表达异质性与较差的总体生存期相关。这提示肿瘤细胞的异质性可能使其快速适应治疗，或选择出具有侵略性和治疗抵抗性的肿瘤细胞。
然而，scRNA-seq并没有阐明基因表达程序与形态学模式之间的关系，限制了我们对与形态学异质性相关的分子电路的理解。为弥合这一知识鸿沟，本研究旨在将转录和功能变异映射到个人PDAC中的不同形态学模式，揭示其与细胞外基质（ECM）和神经侵犯的关系。
论文来源该研究由Pierluigi Di Chiaro, Lucia Nacci, Fabiana Arco, 地中海意大利日耳曼实验室（IRCCS），由Gioacchino Natoli领导完成，相关稿件发表在2024年4月8日的《Cancer Cell》杂志上。
研究流程流程本研究使用激光显微切割（LMD）技术从未经处理的PDAC样本中分离出多个形态学上可区分的区域，每个区域约含有200-500个细胞。接着，这些区域通过RNA-seq进行基因表达分析，从未处理的区别形态区域样本中（N=102，每人1-7个样本）收集RNA，平均每个样本表达超过9513个基因。通过共识聚类和主成分分析（PCA），研究分离出四个形态学特征明显的基因表达簇，并将这些基因表达簇与形态学模式对应。
实验和方法样品切割与分析：
使用激光显微切割技术（LMD）从未经治疗的PDAC样本中分离出多形态可区分的区域。
RNA提取及测序：
通过RNA-seq对切割区域进行基因表达分析，以揭示基因表达模式。
数据分析：
利用共识聚类和PCA进行无监督分类，分离出四个基因表达簇，并通过回顾性分析将其归类为三个与形态学模式相关的组。
细胞外基质分析：
研究主要集中于基底膜和间质基质的变化，分析了不同形态生物类型中的基底膜组件表达。
临床样本验证：
使用机器学习方法，构建随机森林（RF）分类器，并采用递归特征消除（RFE）寻找最佳基因集。
单细胞RNA测序验证：
结合现有单细胞RNA测序数据集验证碎片生物类型的基因签名富集情况，确认在单细胞层面上的异质性。
结果三种主要形态和功能变异类型腺体型变异：
显示经典的导管特征，表达胰腺和内胚层基因。
过渡型变异：
显示未分化的导管结构，表现出内胚层和成肌纤维样基因表达的混合。
分化差型变异：
缺乏导管特征和基底膜，表达神经谱系引导基因。
ECM在肿瘤侵袭中的作用研究发现，过渡型变异的PDAC细胞会破坏局部ECM组织，并影响局部机械应力。过渡型PDAC细胞呈现出的肌纤维母细胞样基因表达程序，会导致厚胶原纤维形成，并引起局部纤维化。纤维化组织还通过多种机制促进肿瘤侵袭性和扩散，例如沿着固定的纤维蛋白和胶原纤维梯度主动迁移（趋粘性）。
预后相关性通过分析LMD-seq样本数据构建的随机森林分类器，该研究能够高效地将患者分为不同风险组别，发现高风险组患者总生存期显著缩短。利用弹性网回归法从457个预测基因中提取出23个基因，通过其表达计算每位患者的风险分数，将其分为高风险和低风险组，显示两组间总生存期具有显著差异。
单细胞RNA测序验证结果利用单细胞RNA测序数据验证了过渡型细胞的基因表达程序富集度，并发现该类型细胞展示出显著的肌纤维母细胞样基因签名的表达，高表达内胚层基因和ECM组件的共存。
研究结论和意义本研究通过将胰腺癌细胞的转录程序与形态模式进行映射，揭示了三种主要的形态和功能变异类型，及其对肿瘤侵袭和预后的影响。特别是，过渡型变异细胞破坏局部ECM组织，导致纤维化并促进肿瘤侵袭。研究结果表明，不同形态生物类型在PDAC中的共存及其占比，对于患有不同基因表达特征的患者的临床评估具有重要意义。
亮点三种形态和功能变异共存于所有PDAC中：
利用集成的转录和形态学地图，揭示了在所有PDAC中共存的三种主要形态变异。
结合转录和组织特征具有高预后影响：
转录和组织特征的组合在预测患者预后方面具有高度的影响力。
局部ECM破坏影响组织机械性和神经侵袭：
研究发现，部分肌纤维母细胞样变异破坏了ECM的组织，影响PDAC细胞的状态和神经侵袭。
自分化状态的PDAC细胞展示不同水平的基因表达程序：
单细胞层面的分析表明不同形态生物类型细胞展示了从内胚层到肌纤维母细胞基因表达的渐进性变化。
意义和价值本研究为转化性研究提供了宝贵资源，揭示了肿瘤细胞不同基因表达程序与形态变化的关联，并阐明其在局部基础环境和侵袭特性中的作用。研究数据有助于开发AI驱动的方法，连接组织学模式和基因表达签名，从而为每位患者提供更为个性化的治疗选择。