張覺超

新技術(shù)的誕生往往會為行業(yè)的發(fā)展做出一些貢獻(xiàn)。今天，我們通過解讀匹茲堡大學(xué)Cell DIVE^TM用戶在《Nature Communication》雜志上發(fā)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(jié)腸癌預(yù)后推斷方法革新的“推背力"。

研究背景

結(jié)直腸癌（Colorectal Cancer，CRC）是三大癌癥類型之一，占癌癥相關(guān)死亡人數(shù)的第二位（圖1）^[2]。雖然CRC患者采用成熟的TNM分型進(jìn)行分期和治療，但腫瘤的異質(zhì)性導(dǎo)致相同分型結(jié)腸癌患者的預(yù)后大相徑庭。統(tǒng)計數(shù)據(jù)表明，相當(dāng)比例的CRC患者術(shù)后1-2年出現(xiàn)癌癥復(fù)發(fā)和轉(zhuǎn)移，進(jìn)而生命健康受到危害^[2]。而術(shù)后積極復(fù)查并進(jìn)行鞏固治療則能夠避免結(jié)腸癌復(fù)發(fā)風(fēng)險。隨著對CRC研究的深入，研究人員發(fā)現(xiàn)CRC異質(zhì)性在腫瘤微環(huán)境中有所體現(xiàn)，并與患者預(yù)后存在相關(guān)性^[3]。針對這一發(fā)現(xiàn)，人們利用腫瘤分子表型、腫瘤微環(huán)境組成和腫瘤內(nèi)T細(xì)胞浸潤等指標(biāo)進(jìn)行結(jié)腸癌預(yù)后預(yù)測和判斷方法的建立^[4]。近年來，已有一些結(jié)腸癌預(yù)后判斷的方法被提出（如Immunoscore®等）。但現(xiàn)有的預(yù)后推斷方法多基于傳統(tǒng)病理技術(shù)，被單次檢測標(biāo)記抗體的數(shù)量所限制，無法做到多指標(biāo)和空間信息兼顧的全面檢測，導(dǎo)致CRC預(yù)后推斷方法的開發(fā)遭遇瓶頸。多重標(biāo)記免疫組化技術(shù)的發(fā)展幫助我們突破了這一限制。今天我們關(guān)注這篇文章的作者就是利用了徠卡Cell DIVE^TM超多標(biāo)組織成像分析技術(shù)實現(xiàn)了CRC預(yù)后推斷新方法——計算分析與系統(tǒng)生物學(xué)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(tǒng)計圖（2018年）^[2]

研究簡述

文章的作者在Cell DIVE^TM開發(fā)階段就關(guān)注了其前身技術(shù)（MultiOmyx技術(shù)）在CRC微環(huán)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(yù)后推斷方法的開發(fā)。在Cell DIVE^TM的幫助下，作者非常輕松的完成了實驗設(shè)計中的抗體選擇環(huán)節(jié)。作者從Cell DIVE^TM認(rèn)證的400余種抗體的資源庫中選取了55個生物標(biāo)志物作為檢測目標(biāo)：其中包括常見的上皮、免疫和基質(zhì)細(xì)胞譜系及分類標(biāo)記分子，還包括與CRC分型相關(guān)信號通路中的關(guān)鍵蛋白、胞外運輸和代謝相關(guān)的分子標(biāo)記、腫瘤抑制能力相關(guān)的功能蛋白、癌基因相關(guān)的生物標(biāo)志、細(xì)胞粘附相關(guān)蛋白、細(xì)胞和基質(zhì)結(jié)構(gòu)相關(guān)的分子標(biāo)記、細(xì)胞類型及其狀態(tài)相關(guān)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(jìn)行超多標(biāo)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(qū)域的自動識別（圖3）。根據(jù)組織結(jié)構(gòu)特異性標(biāo)記分子將腫瘤微環(huán)境分為上皮區(qū)域、間質(zhì)區(qū)域及上皮-間質(zhì)區(qū)域（上皮和間質(zhì)交界處100 μm的間質(zhì)和惡性上皮細(xì)胞相互作用緊密區(qū)域）。

圖3 結(jié)腸癌組織區(qū)域自動識別及標(biāo)志物相關(guān)性分析

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

圖4 SpAn腫瘤微環(huán)境區(qū)域特異標(biāo)志物分析

接下來，作者通過人工智能學(xué)習(xí)把標(biāo)志分子表達(dá)模式和腫瘤微環(huán)境空間信息結(jié)合，開發(fā)出CRC預(yù)后推斷運算模型SpAn平臺，從而成功地將CRC患者分為術(shù)后高復(fù)發(fā)風(fēng)險組和低復(fù)發(fā)風(fēng)險組（圖5）。與以往的CRC預(yù)后推斷方法不同，SpAn平臺不需要額外輸入患者表型數(shù)據(jù)，可以*根據(jù)腫瘤微環(huán)境的空間蛋白組學(xué)信息進(jìn)行預(yù)后推斷。

圖5 SpAn平臺5年CRC復(fù)發(fā)風(fēng)險生存曲線檢驗

最后，SpAn平臺與已有的CRC預(yù)后推斷方法對比表明，SpAn預(yù)測CRC患者5年復(fù)發(fā)風(fēng)險的平均AUROC為88.5%（SE=0.1），顯著優(yōu)于目前的方法。相信在不遠(yuǎn)的將來，SpAn平臺能幫助醫(yī)療工作者為CRC患者精準(zhǔn)地制定術(shù)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(shù)對組織微環(huán)境的超多標(biāo)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(biāo)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(shù)據(jù)分析，能夠提供一整套實驗解決方案，突破傳統(tǒng)H&E染色、免疫組化和傳統(tǒng)免疫熒光10個biomarkers以內(nèi)的限制，實現(xiàn)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(xì)胞水平的層面上，對腫瘤微環(huán)境進(jìn)行空間信息挖掘，助力腫瘤免疫治療的研究。

當(dāng)然，如果您還想了解Cell DIVE^TM的更多優(yōu)點，敬請關(guān)注公眾號近期的相關(guān)文章。

了解更多：徠卡顯微

參考文獻(xiàn)

[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).