Nature ：乳腺癌单细胞病理图谱 ​

来源：BioArt

临床上通常利用肿瘤的组织学和表型特征来指导肿瘤的诊断、治疗方法选择和预后预判。目前根据肿瘤结构和细胞形态对乳腺癌进行分级。如超过1%的肿瘤细胞表达激素受体，或者超过10%的肿瘤细胞存在HER2高表达或HER2基因扩增就会对肿瘤进行分类。然而这样的分类标准会忽略大量的肿瘤细胞的特征。克隆进化和空间肿瘤微环境的不同驱动了肿瘤细胞间和肿瘤样本间的多样性，这也为治疗的有效性造成阻碍【1】。使用高度复合成像技术鉴定出多种复杂的细胞表型，促进肿瘤组织病理学精准分类【2】。单细胞分析技术也已经揭示了人类肿瘤之间和肿瘤内部的广泛异质性，但是复杂的单细胞表型及其空间背景目前并未反映在作为许多临床决策基础的组织学分层中。

近日，瑞士苏黎世大学的Bernd Bodenmiller课题组在Nature上发表了题为The single-cell pathology landscape of breast cancer的文章。该研究使用大规模高维单细胞质谱成像分析技术，实现了在单细胞水平上量化肿瘤空间异质性，从而鉴定了新的乳腺癌亚型和空间分辨特征。

作者利用了35种抗体同时检测乳腺癌样本，并利用流式质谱成像仪（imaging mass cytometry, IMC）成像，总共得到381个照片，其中包括289个肿瘤样本，87个健康乳腺样本，5个肝脏对照样本。并追踪患者生存率。将所得照片使用Ilastik和CellProfiler技术分割成单个细胞以及肿瘤细胞和基质区域，得到855668个细胞定量表达标志物的数据集，数据集通过PhenoGraph聚类分析，鉴定出内皮细胞、T和B细胞等细胞簇，同时鉴定59种肿瘤细胞表型，通过聚类分析定义出肿瘤细胞14个亚群。

分析流程图

基于这些发现的单细胞表型，作者接下来进一步探索乳腺癌组织中细胞结构特点。作者利用领域分析评估了细胞亚群之间的相关性，检测亚群细胞是否会同时出现在肿瘤组织中，检测发现肿瘤细胞之间几乎没有相关性。每个肿瘤样本中相似细胞之间包含同型相互作用，而异型肿瘤细胞之间很少有相互作用。利用领域分析方法检测发现支持性纤维细胞往往包围血管内皮细胞，肿瘤-基质界面处基质细胞则会包围肿瘤细胞。在内皮细胞附近往往定位着T细胞和增殖的上皮细胞。增殖的上皮细胞包围着内皮细胞，并且具有方向性。肿瘤微群落主要由单个细胞元簇组成。一些肿瘤微群落由成纤维细胞和肿瘤细胞组成，有些肿瘤微群落则富含T、B细胞、巨噬细胞，内皮细胞，间质细胞则较少。细胞微群落中含有较多间质细胞的则免疫细胞含量少，这与之间的研究结果相吻合。

接下来作者探索了单细胞进入肿瘤微群落与乳腺癌亚型组织结构之间的联系。使用聚类分析方法，作者根据肿瘤细胞的聚类组成将肿瘤组织进行分组，确定了18个单细胞病理学（SCP）亚组。这些亚组会将经典的临床亚型分开，并且具有不同比例的上皮细胞微群落。每个SCP内部具有相似的细胞亚群结构，以及相似的临床预后，但是SCP内部肿瘤微群落构成或许不同。作者发现微环境中基质细胞与SCP中特定的肿瘤细胞表型相关。总体而言肿瘤内表型异质性在空间上被分为不同的肿瘤微群落，而具有表型异质性的肿瘤患者预后较差。单细胞病理学定义的肿瘤类型以及肿瘤细胞和基质细胞微结构可为目前临床分类之外的肿瘤类型提供预后判断。作者接下来验证了上述分析方法的可重复性。作者利用一个包含有72名患者的独立队列，得到了总共411410个细胞图像的344张分析照片，并利用同样的分析方法分析数据。分析发现约40%的肿瘤样本所有区域具有相同的分类，而约60%的肿瘤样本一个或者多个区域与整个肿瘤分类不一致。在多数情况下，单个区域的SCP分类与大体肿瘤分类相匹配。

本研究揭示了与目前临床分型不同的乳腺癌表型和空间异质性，并且对肿瘤组织进行了单细胞病理分类。这项研究也表明多细胞空间信息为临床肿瘤可以提供更全面进行分类信息，并为疾病预后提供了更多依据。

原文链接：

https://doi.org/10.1038/s41586-019-1876-x

参考文献