大家好，今天跟大家分享一篇题为Spatiotemporal modeling reveals high-resolution invasion states in gliobla stoma（时空建模揭示胶质母细胞瘤的高分辨率侵袭状态）胶质母细胞瘤(GBM)是成人中最常见的恶性脑肿瘤，虽然采用了多模式治疗，包括最大程度的安全手术切除、放疗和化疗，但仍无法治愈。
01
研究背景
胶质母细胞瘤细胞通过正常脑组织的弥漫性浸润是导致肿瘤侵袭性、对常规治疗耐药和患者预后不良的关键因素。更深入地了解肿瘤微环境 （TME） 的组成部分如何促进整体肿瘤组织和侵袭程序，可能会揭示改进治疗策略的机会。
为了实现这一目标，我们将一种新的计算工作流程应用于时空分析的 GBM 异种移植队列，利用区分人类肿瘤和小鼠 TME 的能力来克服以前在弥漫性侵袭分析中的局限性。我们的分析方法基于无监督反卷积，对整个 GBM 生态系统中的细胞类型和细胞活性进行无参考发现。我们提出了一个包含 15 个肿瘤细胞程序的综合目录，这些程序在 90 种小鼠大脑和 TME 细胞类型、细胞活动和解剖结构的时空背景下设置。与浸润相关的不同肿瘤程序与血管周围、白质和实质浸润的途径一致。此外，作为程序网络枢纽的基因子模块在 GBM 患者中具有很高的预后。
这里介绍的程序纲要为合理靶向肿瘤和/或 TME 成分提供了基础。我们预计我们的方法将有助于在生态系统层面理解此类扰动的直接和长期后果，包括确定将为改进组合疗法提供信息的补偿计划。
见图一
小鼠大脑中的队列概述和程序特异性。
图一
a 数据生成和分析的示意图。将从患者肿瘤建立的细胞系异种移植到小鼠体内。在一些患者中，从肿瘤核心 （x） 、对比增强区 （y） 和前缘 （z） 产生多条线。使用 10 × Genomics Visium Spatial Transcriptomic 平台对早期、中期和晚期时间点进行分析。使用无监督反卷积工具 cNMF 对来自肿瘤、TME 和正常大脑的基因表达程序进行量化，并进一步评估它们在 GBM 生态系统中的关系，重点是侵袭。其他可用的数据集同样被去卷积，以便能够在分析平台和样本类型之间进行比较。
b Shen Y等[30,88]中描述的描述异种移植队列基因组特征的瘤指纹。 这包括每行中的体细胞突变和拷贝数事件、相应的样本和患者特征以及收集的异种移植样本。右侧的条形图表示每个时间点的样本数、总样本数、小鼠数和异种移植物的总存活率（从左到右）。用于生成 oncoprint 的数据在附加文件 1：表 S1 中提供。
c 23 个冠状切片的空间图，显示人 – 小鼠转录组数据的比率，即基因组混合比率。高值 （indigo） 表示肿瘤密度高;低值（黄色）表示肿瘤密度低或不存在。
d 基于人：小鼠转录组混合物和两个选定样品（右图）分层的肿瘤密度区域图（左图）。
e 每个样本 D1-D4 肿瘤密度范围内的斑点比例（重复注释叠加在图上）。样本命名法包括 [患者 ID]_[线型][小鼠编号]_[时间点]。
f H&E 组织学图像，叠加了斑点周边。
g 鼠标程序使用的空间图。动态刻度指示每个点的成比例程序使用情况。
h-i 面板 h 中小鼠程序中前 10 个基因（h;排名排序的 cNMF 衍生基因评分）和前 10 个转录因子（i;排名排序的 SCENIC 活性评分）的分层聚类热图
见图二
肿瘤基因表达程序的表征。
图二
a 在肿瘤基因表达程序的前 2000 个基因中，生物过程摘要（GO：BP;行）显着富集（调整后的 p 值< 0.05），根据程序基因分数（列）排名。BP 的富集在热图中由 -log10（调整后的 p 值）表示。
b 在外部 GBM 数据集子集中为 GBM 细胞状态（行）计算的肿瘤程序（列）的标记基因富集分数的热图;数据集在行名称中引用，并在附加文件 1：表 S2a 中枚举。（NPC 神经祖细胞、CT 细胞肿瘤、OP/OPC 少突胶质细胞祖细胞、MVP 微血管增生、MES 间充质、坏死周围 PAN 假栅栏、AC 星形胶质细胞、LE 前沿）。
c 肿瘤程序之间空间一致性的热图，计算为一个程序（行）中也使用另一个程序（列）的点的比例。选择在给定程序中最小使用量为 0.1 的点进行此分析。
d 在 15 个肿瘤项目中使用 （> 0.1） 的每位患者的肿瘤斑点 （D1-D4） 比例，按 （e） 中的 8 个注释组排序。
e 使用量> 0.01 的每个肿瘤程序的斑点比例条形图，按肿瘤细胞密度和时间点分层。计划按主题类别分组。
f 选定肿瘤程序使用（h2、h9 和 h11）的空间图，左侧是肿瘤混合和肿瘤密度组。
g 选定样本中前沿程序富集的卡方测试结果，在单个肿瘤密度范围 （D1-D4） 上计算。条形图描绘了预期点和观察到的点的数量，其中选定项目和卡方残差的使用量> 0.01，相关的 p 值表示观测值和预期值之间差值的显著性。
见图三
Hub 基因特征和肿瘤程序的亚型特异性生存关联。
图三
a 所选程序得分最高的基因（黄色节点）的网络图，其中中心基因为橙色，并标有基因名称。节点大小与基因在程序中的使用与其跨点表达之间的相关性成正比，边缘表示从 STRINGdb 导出的功能关联。
b GO：BP 术语富含肿瘤程序的中心基因。
c、f、i 经典、间充质和前神经 IDHwt 原发性肿瘤的生存结果表。对于每个程序，使用两种方法分别测试得分最高的程序基因和枢纽基因。首先，对每个基因集运行 fGSEA，并按生存率对患者进行排序。使用三个阈值来区分得分最高和最低的患者 （25% 、 33% 和 50%）。低生存期和高生存期 （dNES） 患者之间的 NES 差异以及 t 检验 p 值在单独的列中报告。其次，执行 Kaplan-Meyer 分析，并在列中报告 p 值。表中的单元格采用颜色编码，以突出显示跨阈值和两种测试策略的显著和边际显著 p 值的块。
d、g、j 每个 GBM 肿瘤亚型中选定程序和阈值的 Kaplan-Meier 图。e、h、k 按生存率排名的患者的 NES 值分布与调整后的学生 t 检验显着性一起显示。
见图四
TME 基因表达程序的表征。
图四
a 19 个 TME 程序的基于通路的分层关系，基于显著 GO：BP 基因集的聚类（调整后的 p 值< 0.05），在每个 TME 程序的前 2000 个基因中富集（根据程序基因分数排名）（上图）。基于 TF 活动分数的基于分层聚类的程序关联（底部面板）。
b–d 在 （b） 免疫、（c） 血管和 （d） 星形胶质细胞程序的前 2000 个基因中显著富集的生物过程总结 （GO：BP;BP 的富集在热图中由 -log10（调整后的 p 值）表示。
e 在 19 个 TME 程序中，每位患者使用量> 0.05 的斑点比例 （D1 – D4），按 （f） 中的五个注释组排序。
f 条形图显示 TME 程序使用率> 0.01 的斑点比例，按肿瘤细胞密度和时间点分层。程序按细胞类型或免疫活性分组。
g-i 选定样品中 （g） 免疫、（h） 星形胶质细胞和 （i） 活性程序的空间图，左侧标明了肿瘤混合物和肿瘤密度以供参考
见图五
跨肿瘤密度组的配体-受体信号传导通讯。
图五
a 显示了每个肿瘤密度组（y 轴）来自 CellChat 的重要通路（x 轴）。饼图表示人和小鼠配体-受体相互作用类型的比例。饼图大小表示通路中活跃的交互总数。
b 堆叠条形图，表示每个被确定为显著的通路的相互作用类型的比例。LR 相互作用根据所涉及的配体和受体的种类进行分类和着色，从而产生四种相互作用类别 （ligand__receptor）：TME__TME、TME__Tumor、Tumor__TME 和 Tumor__Tumor。根据四个相互作用类别的组合，通路分为八组 （LR1-LR8）。
c 每个 LR 组中配体和受体基因中显着富集的生物过程概述。富集由热图中 GO：BP 术语的 -log10（调整后的 p 值）表示。
d、h FN （d） 和 NOTCH （h） 通路中人 （h.GENE） 或小鼠 （m.Gene） 配体和受体基因的标度表达水平 （z -分数），按肿瘤密度 （D1-D4） 分层。
e、i 选定样品（右图）中人类 （h.GENE） 和小鼠 （m.Gene） 基因的空间图，包括肿瘤混合物和肿瘤密度以供参考（左图）。
f、g 和弦图显示了 FN （g） 和 NOTCH （h） 通路的受体（底部）和配体（顶部）相互作用。分析构成源（外、下半圆）和靶点（上半圆）的所有可能的肿瘤密度组对之间的相互作用，链接代表它们之间相互作用的信号强度（即通信概率）。
见图六
与 GBM 侵袭途径相关的基因特征和信号通路。
图六
a、b 分类为白质（m19 或 m71）或尾状核（m1 和 m73）的程序（右图）使用的空间图，其中包括血管和实质侵袭途径，以及混合物、肿瘤密度和感兴趣的侵袭途径以供参考（左图）。
c 白质、实质或血管周围侵袭途径中每个 GBM 细胞状态每个点的模块分数箱线图。显著差异被注释（Wilcoxon 秩和检验;ns：p > 0.05;*p ≤ 0.05;**p ≤ 0.01）。
d 对于每个 D1 类别组（y 轴），对于具有至少一个人类配体或受体的通路子集，显示了来自 CellChat 的重要通路（x 轴）。饼图表示人和小鼠配体-受体相互作用类型的比例。饼图大小表示通路中活跃的交互总数。
e 参与 ECM（胶原蛋白和层粘连蛋白）和神经元相互作用的选定基因的缩放表达水平（z 分数）沿白质、实质或血管周围（m30、m52、m59、m86）侵袭途径。
f 基于多个评估（行）的侵袭相关基因（列）摘要，包括高密度和低密度区域之间的差异表达 （DE）（DE（低密度））、薄壁组织和白质斑点之间的 DE（DE（侵袭））、来自面板 （d） 的配体-受体相互作用（LR（侵袭））和图 D1 中的配体-受体相互作用。5A （LR （D1））.g、h 面板 （f） 中基因的 Kaplan-Meier 生存曲线，在前神经 （e） 和间充质 （f） 患者肿瘤中具有预后意义。
02
研究结论
我们提出了一个基因表达程序纲要，这些程序捕获了弥漫性胶质母细胞瘤中肿瘤和 TME 相互作用的景观。本研究为制定专注于靶向 tumor-TME 轴特定方面的合理策略提供了基础。我们预计我们的分析方法和结果可以促进在生态系统层面理解临床前模型中此类扰动的直接和长期后果，包括确定可以为改进的组合疗法提供信息的补偿计划。
好了，今天的文献解读就到这儿来，我们下期再见！