哈佛大學Ludwig中心的研究小組利用單細胞技術和機器學習為急性髓細胞白血病（AML）創建了一個詳細的“細胞狀態圖譜”，可以幫助改善對侵襲性癌症的治療。
AML的特征在於骨髓和血液中白細胞的積累。眾所周知，這種疾病難以研究，因為AML患者的骨髓含有多種正常和惡性細胞類型。這包括具有幹細胞樣特性的未分化的原始癌細胞和以不同方式影響腫瘤環境的分化的成熟癌細胞。 AML細胞也不斷獲得DNA突變，分支成相關“亞克隆”的譜係。
“自20世紀60年代以來，我們已經以定性的方式知道AML腫瘤是細胞的異質混合物，”該論文的主要作者，博士後研究員Peter van Galen說：“現在，我們有一種定量的方法來確定這些腫瘤中存在的不同細胞類型。”
這項新研究將於2月28日在線發表在Cell上，Bernstein及其同事，包括Ludwig Harvard研究員Jon Aster和Andrew Lane，結合單細胞RNA(scRNA)測序，閱讀納米孔DNA測序和機器學習等技術，區分正常細胞和癌細胞，並根據它們的DNA序列和基因表達相似性進行組織劃分。
該團隊采用了一種新的scRNA測序方法來捕獲從16名AML患者和5名健康捐獻者中收集的近40,000個骨髓細胞的完整轉錄組。scRNA測序捕獲細胞整個轉錄組的快照—即在給定時刻存在於細胞中的所有mRNA分子，這使研究人員能夠將細胞群分解成不同的類型並跟蹤細胞譜係的進化。
但AML細胞的基因表達譜可能與正常細胞的基因表達譜相似。為了應對這一挑戰，該團隊對骨髓細胞進行了單細胞基因分型，篩選了一組已知的AML遺傳標記，以挑選出癌症。 “要真正指出這一點，我們必須采用第三代DNA測序技術，稱為長讀納米孔測序，它可以增強基因組中突變的檢測，”van Galen說。
長讀序列掃描更長的DNA片段，增加捕獲基因中積累的所有突變的幾率。它使研究人員能夠更有效地識別不同突變細胞(稱為亞克隆)的後代，這些細胞可以不同地影響癌症的生長速度，轉移潛能和對治療的反應。
最後，研究人員采用機器學習算法將scRNA測序和基因分型數據結合在一起。最終結果是不同AML細胞類型的圖譜或“圖譜”以及它們在骨髓環境中共存的正常血細胞類型。
該圖譜使研究人員不僅可以一目了然地看到哪些細胞是癌細胞，還可以看到它們的狀態 - 原始的，分化的或分化的過程。由於腫瘤樣本是在不同時間點從患者處收集的，研究人員還可以比較個體間AML腫瘤的發育等級，並跟蹤這些等級從首次診斷到治療和結果的演變。
研究人員還在一名AML患者中發現了存在多個亞克隆的情況。 “在至少一個案例中，這兩個亞克隆表現完全不同，並且具有不同的基因表達譜，”作者說道： “一個亞克隆主要是分化，而另一個亞克隆處於高度攻擊狀態，而侵襲性亞克隆的突變與患者預後不良一致。”
這些發現也可以解釋為什麼利用免疫係統T細胞靶向腫瘤的療法對抗AML的成功率相對較低。研究人員發現了一類細胞，其行為類似於已知可抑製抗癌免疫反應的白細胞。
“你可能會認為這些是正常細胞，但當你看到它們的基因型時，你會發現它們含有白血病突變，”作者受到。 “這些是腫瘤產生的細胞，可以抑製免疫係統。它是腫瘤的適應性生存機製。”
研究人員指出，他們的研究結果應該有助於開發用於治療AML的免疫療法和精準醫學的新策略。
我要跟帖copyright©醫學論壇網 版權所有，未經許可不得複製、轉載或鏡像
京ICP證120392號 京公網安備110105007198 京ICP備10215607號-1 （京）網藥械信息備字（2022）第00160號
