编辑推荐：
在中枢神经系统（CNS）肿瘤诊断中，传统方法依赖大量高质量 DNA，限制了诊断的可行性。研究人员开展 NePSTA（神经病理学空间转录组分析）研究，用空间转录组学结合图神经网络，可准确预测组织学和甲基化亚类，为肿瘤诊断提供新途径。
在医学领域，肿瘤诊断一直是关乎患者治疗与康复的关键环节。尤其是中枢神经系统（CNS）肿瘤，其诊断的准确性对后续治疗方案的制定起着决定性作用。过去，传统的诊断方法主要依据组织的形态外观和单一蛋白质的表达情况。然而，随着医学研究的深入，人们发现这些方法存在诸多局限性。如今，DNA 甲基化和下一代测序（NGS）技术虽已成为 CNS 肿瘤分类的重要基石，但它们对 DNA 的质量和数量有着较高要求。在实际临床操作中，像高功能区肿瘤的活检样本往往较小，不仅难以进行全面的形态学检查，获取的 DNA 量也有限，无法满足这些先进分子诊断技术的需求。此外，肿瘤含量极低的样本同样面临无法完成全面分子检测的困境，这使得许多对后续治疗至关重要的信息难以获取，患者的治疗效果和预后评估也因此受到影响。
为了解决这些难题，来自德国多个医学中心（海德堡大学医院、弗莱堡大学医学中心等）的研究人员开展了一项极具意义的研究。他们开发并验证了一种名为 NePSTA（神经病理学空间转录组分析）的诊断应用，相关研究成果发表在《Nature Cancer》上。
研究人员在这项研究中运用了多种关键技术方法。首先是空间转录组学技术，通过 Visium 技术从 5-μm 的石蜡包埋组织切片中获取 mRNA 表达谱。同时，结合图神经网络（GNN）进行分析。研究样本来自四个德国医学中心的 130 名参与者，涵盖了多种神经上皮肿瘤患者和健康供体 。
下面来看具体的研究结果：
- 训练和测试队列概述：研究涉及的 130 个样本分为两个队列。队列 1 包含来自三个中心的样本，进行了全面的空间转录组学分析及多种诊断检测；队列 2 来自弗莱堡的单中心样本，也进行了类似分析。研究人员推测肿瘤和神经环境的组成能形成特定分子指纹，可用于预测肿瘤亚类 。
- 空间基因表达技术和机构间的稳健质量和读数：不同中心和样本类型在整体质量指标上无显著差异，但细胞密度、组织来源、样本制备方法等因素会影响每个斑点的独特分子标识符（UMI）计数。例如，IDH 野生型胶质母细胞瘤（GB）样本因细胞密度和 RNA 丰度高，UMI 计数较高；非恶性组织和低级别胶质瘤样本的 UMI 计数较低 。
- 重要神经病理标记物的推断免疫组化（IHC）：研究人员设计了 “推断 IHC” 模块，利用贝叶斯推理预测蛋白质丰度。该模块与传统 IHC 结果有较好的一致性，在常规诊断标记物如 Ki67、胶质纤维酸性蛋白（GFAP）和神经元核（NeuN）上表现出显著相关性。不过，由于分辨率差异，推断 IHC 只能作为传统 IHC 的补充工具 。
- 拷贝数变异（CNAs）的预测和验证：研究人员使用优化算法计算样本的 CNV 谱，并与金标准 850K 甲基化检测进行对比。结果显示，空间转录组学能有效检测 CNAs，但在某些染色体区域存在检测错误，如 chr6p 区域。此外，空间转录组学的 CNV 谱可分辨亚克隆组织结构，而传统甲基化 - based CNV 方法则难以做到 。
- 肿瘤实体中的细胞类型分布：借助 Cell2location 算法和 GB 参考数据集，研究人员预测了不同甲基化类别的细胞亚型丰度。结果发现，不同肿瘤亚型的细胞类型分布存在差异，如高级别星形细胞瘤伴毛细胞样特征的肿瘤缺乏星形细胞样细胞群体，且不同 GB 甲基化亚型的微环境也有所不同 。
- 组织学外观和甲基化亚类的预测：研究人员利用 GNN 框架，结合空间基因表达数据预测组织学表型和甲基化亚类。模型在预测未知数据时表现出较高的准确性，在参与者水平的准确率达到 0.893 。
- MGMT 启动子甲基化和 CDKN2A/B 缺失的预测：研究人员改进 GNN 框架，以预测 MGMT 启动子甲基化和 CDKN2A/B 缺失情况。改进后的模型对 MGMT 启动子甲基化的预测准确率高达 99%，对 CDKN2A/B 缺失的预测准确率为 85.4% 。
- CDKN2A 突变亚克隆的微环境差异：研究发现，IDH 突变肿瘤的大部分杂合缺失样本存在混合基因型。通过 GNN 架构分析发现，CDKN2A/B 缺失的区域富含单核细胞和血管内皮细胞，与高级别分子和形态学特征相符 。
综合来看，这项研究意义重大。NePSTA 框架整合了空间转录组学和 AI 算法，能够实现多种诊断应用，如推断 IHC、CNAs 分析和深入基因分型。它可在空间分辨率上预测表观遗传亚组、进行自动分割并识别关键基因缺失，提高了 CNS 肿瘤诊断的准确性和精确性。这一成果将形态学和分子数据相结合，融合了 “传统” 和 “现代” 病理学的优势，为优化患者护理、改善治疗效果提供了有力支持 。
