大家好，今天分享一篇近期由复旦大学的研究者发表在Nature Communications（IF: 16.6）的文章，该文章主要展示了如何通过结合单细胞转录组数据与常规病理切片影像，研究乳腺癌肿瘤微环境，从而在单细胞水平上描述肿瘤生态系统。为方便未来的研究，该文提供一个在线平台，可对用户上传的病理切片影像进行实时分析。

论文标题：Single-cell morphological and topological atlas reveals the ecosystem diversity of human breast cancer

论文地址：https://www.nature.com/articles/s41467-023-42504-y#Abs1

1）背景

肿瘤越来越多地被认为是由肿瘤、免疫和基质细胞以及复杂的细胞间相互作用组成的“生态系统”。肿瘤的生物学行为、预后和治疗反应不仅取决于肿瘤细胞的特性，还取决于其他细胞成分及其与肿瘤细胞的相互作用。因此，研究肿瘤微环境中的全部细胞，厘清其间互作关系，具有临床及科学价值。组织病理学作为是癌症诊断的“金标准，提供了包括肿瘤生态系统的细胞组成，形态和空间组织的丰富信息，通过数字病理学，可研究肿瘤生态系统的表型多样性及其临床相关性。

2）研究方法

该研究共收集涵盖所有免疫组织化学(iHC)亚型的637个乳腺癌患者，每个患者进行40个病理学切片影像（WSI），并建立了一个包含4.1亿个细胞的单细胞数据集，包括193,216,681(47.1%)肿瘤细胞，66,853,146(16.3%)炎性细胞，141,896,644个基质细胞(34.6%)和8,608,581个正常乳腺细胞(2.1%)。研究者通过Hover-Net对WSIs上的细胞核进行分割并预测其细胞类型。对于单个细胞，根据核轮廓提取核形态和纹理特征，之后根据细胞间的关系，提取细胞互作的拓扑信息。

：数据收集及分析的工作流，以及该研究的治疗及预后意义

发现

3.1）构建全面的单细胞图谱

针对炎症细胞，肿瘤细胞及基质细胞的单细胞数据，分别进行UMAP聚类（a，a），可以发现不同聚类与病理影像间存在对应（c，c及f）且不同的病理影像特征之间与聚类间存在相关性（b，b与c），d展示了不同乳腺癌亚型与炎症细胞间的相关性。其中热图显示了 IHC 亚型之间显著不同的炎性细胞簇的缩放平均百分比。其中HER2 + 乳腺癌组织中 INF0细胞的比例较高，说明有大量炎性细胞存在于基质细胞附近，而没有浸润到肿瘤巢中。相比之下，TNBC乳腺癌患者富含 INF6和 INF7细胞，这些细胞是局部聚集的炎症细胞，与基质细胞没有连接(d，e)。这些数据表明，不同亚型的乳腺癌具有不同的炎性细胞空间分布模式。

：炎症细胞单细胞图谱

肿瘤及基质细胞的单细胞图谱

免疫细胞浸润模式反映了抗肿瘤免疫状态，并被报道与免疫治疗反应相关。将炎性细胞簇的丰度与基于 RNA 测序(RNA-seq)数据的单样本 GSEA (ssGSEA)估计的微环境细胞丰度相关联。发现 INF0，INF1，INF6和 INF7细胞的丰度与多种免疫细胞亚群的丰度呈显著正相关（a）。此外，这四个簇的丰度与生物标志物或基因特征呈正相关，即大量局部聚集的炎症细胞与肿瘤免疫微环境的整体激活有关，并可能与乳腺癌免疫治疗的良好反应有关。（b）。

3.2） 结合病理切片，肿瘤微环境的细胞异质性预测药物反应

基于独立研究的病理切片数据（来自24例治疗前的晚期TNBC乳腺癌患者患者），根据是否响应PD1免疫治疗分为两类（c）。研究者计算INF0，INF1，INF6和 INF7细胞丰度的总和，作为聚集的炎性细胞丰度评分(AIC 评分)。 并检查了其与免疫治疗反应的关联。发现有反应者的 AIC 评分显著高于无反应者(P = 0.045)(e)，且其生存率更高。该案例说明局部聚集的炎症细胞的高丰度可以表明 TNBC 患者对免疫治疗有更好的响应。

：局部聚集的免疫细胞类型与免疫治疗预后相关。

优于肿瘤细胞的单细胞数据无监督聚类鉴定了四个具有相似拓扑特征但不同形态和纹理特征的簇，这说明肿瘤细胞之间的核形态有很大的差异。通过计算其肿瘤细胞核之间形态和纹理特征的标准变异的平均值（a，b），可量化每个样品的肿瘤细胞核的形态肿瘤内异质性(MITH)。在 MITH 和通过突变等位基因肿瘤异质性测量的遗传肿瘤内异质性之间可观察到中度相关性（c）。高 MITH 与侵袭性肿瘤特征有关，包括高 T 分级、高肿瘤分级、 HR 阴性和 HER2阳性(d)。MITH 与药物反应之间也存在相关性(j)。高 MITH 样品的 PDO 对 CDK4/6抑制剂的敏感性低于低 MITH 样品。这些结果说明可将 sc-MTOP 应用于病理学切片，并根据 sc-MTOP 数据对 MITH 进行评估，从而进行具有临床价值的预测。

：肿瘤细胞核的形态学异质性提示 HR + 乳腺癌细胞周期通路活性和患者对 CDK 抑制剂的响应。

3.3）sc-MTOP鉴定空间模式，预测肿瘤预后

上述分析在单细胞水平上表征了乳腺癌生态系统的表型多样性，并分别建立了肿瘤细胞、炎症细胞和基质细胞的细胞分类学。考虑到肿瘤是一个复杂的生态系统，其中细胞组织在某些空间模式中执行特定的功能，可通过确定局部区域细胞组织的复发模式，进一步解释乳腺癌生态系统的空间多样性。sc-MTOP 首先将每个 WSI 分割成方形区域(称为点) ，并计算每个点的每个细胞簇的细胞数（a）。然后，通过空间相关性揭示细胞簇的共定位（b），并基于空间相关矩阵的层次聚类定义了微生态模块(MEMs)。之后考察不同模块的空间异质性（c）。通过评估其与组织学模式的一致性来验证我们基于 MEM 判定的，肿瘤微环境中各个细胞扮演的角色（d），发现所有的组织学区域都富含适当的 MEM (e，f)。此外，相同组织学类别的区域可以根据 MEM 进一步分类（g）。这些分析说明基于 sc-MTOP 的方法鉴定的 MEMs 能代表肿瘤生态系统中局部多细胞结构的模式，并提供预后相关信息（f）。

：sc-MTOP基于病理学切片定位微生态模块

通过对所有患者鉴定出的MEM进行聚类，可发现乳腺癌可细分为4种生态型（

a），每类有其独特的富集基因（b），不同的生态型中，根据现有的肿瘤分类等级评价，发现分布各有不同（c），不同类的生存曲线也存在差异（d），多变量 Cox 回归分析显示乳腺癌生态型是无复发生存的独立预后因素（e）

鉴定出的肿瘤微环境模块具有对应的分子标记和预后特征

4 小结

该研究提出了sc-MTOP，一种仅基于常规病理影像切片表征肿瘤生态系统的分析框架。通过结合一个单细胞形态和拓扑图谱，系统地表征了乳腺癌生态系统的表型多样性及生态系统特征，包括AIC评分，MITH和生态型，这些特征与乳腺癌对某些治疗的反应和患者预后有关，是广泛适用的标志物，为治疗决策提供信息并有助于预后评估。为了促进数据共享和其他研究人员使用sc-MTOP框架，研究者提供了一个在线平台，该平台可以访对用户上传的病理学影像切片进行实时分析。

：sc-MTOP在线平台）介绍图

scMTOP框架和具有匹配临床和多组学数据的大型单细胞数据集可以作为进一步研究的宝贵资源。