AAnet神经网络解析肿瘤表型连续性揭示三阴性乳腺癌空间异质性及代谢可塑性

本刊推荐：本研究开发了AAnet（Archetypal Analysis network）神经网络算法，成功解析了三阴性乳腺癌（TNBC）在单细胞层面的表型连续性空间结构。该研究通过整合scRNA-seq（单细胞RNA测序）和空间转录组数据，识别出五个关键原型状态（AT），包括增殖型、氧化/脂肪生成型、缺氧型等，并发现这些状态在原发性肿瘤和转移灶中高度保守。特别值得注意的是，研究团队通过功能实验验证了缺氧型AT中GLUT3（SLC2A3）对肿瘤生长和转移的关键调控作用，为靶向肿瘤代谢异质性提供了新策略。

　　

研究背景与技术挑战

肿瘤细胞通过动态改变功能状态以适应生存环境，这种特性在三阴性乳腺癌（TNBC）中表现得尤为明显。当前主流的单细胞转录组数据分析方法主要依赖于聚类分析和轨迹推断，但这些方法在处理连续表型变化且缺乏明确分支结构的数据时存在显著局限性。传统的原型分析（AA）方法虽然能够识别极端状态，但其线性假设难以捕捉单细胞数据中复杂的非线性特征。

AAnet算法创新

研究团队开发了原型分析神经网络（AAnet），通过自动编码器框架将数据映射到单纯形潜在空间。该算法的核心突破包括：

1. 1.
   采用扩散极值点识别技术，基于数据几何结构初始化原型点
2. 2.
   通过单纯形约束损失函数确保数据点在潜在空间中的凸组合表示
3. 3.
   引入重构损失和极值点损失联合优化模型参数

与传统的PCHA（Principal Convex Hull Analysis）等方法相比，AAnet在模拟数据集上表现出更好的鲁棒性，特别是在处理高度非线性数据时优势明显。在抗原特异性CD8⁺ T细胞数据集上的验证实验表明，AAnet能够准确识别 na?ve、耗竭和干细胞样T细胞状态，并保持细胞状态的转录组相似性。

三阴性乳腺癌原型状态解析

通过对MDA-MB-231小鼠模型的原发性肿瘤进行scRNA-seq分析，研究团队鉴定出五个稳定的原型状态：

增殖型AT（蓝色）

特征为细胞周期相关基因（CDC20、CDK1、CDK4）高表达，富集G2/M检查点和E2F靶基因特征。超过95%的细胞处于S期或G2/M期。

氧化/脂肪生成型AT（黄色）

显示氧化磷酸化（OXPHOS）和活性氧（ROS）通路激活，表达过氧化物酶体家族基因（PRDX1/2/4/6）。该状态与化疗耐药相关，且MYC靶基因显著富集。

缺氧型AT（橙色）

特征为缺氧和糖酵解通路激活，表达GLUT1（SLC2A1）、GLUT3（SLC2A3）、HK2、LDHA等糖酵解酶基因。核糖体亚基基因也显著富集。

细胞损伤/死亡型AT（琥珀色）

主要表达线粒体基因组编码的电子传递链组分，可能与技术因素或细胞凋亡相关。

免疫刺激型AT（紫色）

高表达免疫相关基因（CXCL1、IFITM2/3、HLA-A/B/C、B2M），富集IFN-γ、TNF-α和TGF-β信号通路。96%的细胞处于G1期。

转移灶中的原型保守性

在匹配的淋巴结、肝脏和肺转移灶中，原型状态表现出高度保守性：

• •
  淋巴结转移保持所有五种原型状态，细胞比例与原发性肿瘤相似
• •
  肝脏转移缺少氧化型AT，增殖型和免疫刺激型细胞比例增加
• •
  肺转移表现出独特的代谢特征，缺氧型AT缺失而出现新的氧化代谢状态

空间转录组揭示组织结构

通过空间转录组学分析发现原型状态具有明确的空间定位：

• •
  增殖型AT形成肿瘤主体，但避开中央区域
• •
  缺氧型AT定位于肿瘤中央和外围缺氧区域
• •
  免疫刺激型AT环绕缺氧区域分布
• •
  氧化型AT与增殖区域相邻

研究团队开发了scMMGAN（single-cell Multimodal Generative Adversarial Network）方法，成功将scRNA-seq数据与空间转录组数据整合，克服了技术平台间的批次效应。

微环境互作分析

肿瘤微环境分析揭示了六种不同的微环境原型状态（ME-AT），包括导管型、脂肪细胞型、基质型、中性粒细胞型、髓系细胞型和抗原应答型。这些微环境状态与特定的肿瘤原型状态存在空间关联：

• •
  增殖型AT与髓系和基质ME-AT共定位
• •
  缺氧型AT与中性粒细胞ME-AT特异性共存
• •
  细胞死亡型AT与抗原呈递ME-AT关联

配体-受体互作分析发现了肿瘤细胞与微环境间的双向信号交流，包括PDGFC-Pdgfrb、FGF12-Fgfr1等生长因子通路，以及CD44-Mif等免疫调节相互作用。

代谢异质性治疗靶点

代谢分析显示缺氧型AT和增殖型AT分别依赖糖酵解和氧化磷酸化。特别值得注意的是：

1. 1.
   GLUT3在缺氧型AT中特异性高表达
2. 2.
   siRNA敲低GLUT3显著降低葡萄糖摄取、糖酵解速率和肿瘤球形成能力
3. 3.
   体内实验证明GLUT3敲低抑制肺转移和皮下肿瘤生长
4. 4.
   免疫荧光显示GLUT3⁺细胞与HIF1α⁺细胞空间共定位，且距离血管较远

人类肿瘤验证

在34例人类乳腺癌样本（包括ER⁺、HER2⁺和TNBC亚型）中，AAnet识别出155个原型状态。人类肿瘤中存在的代谢原型与小鼠模型高度一致，缺氧相关原型富集糖酵解基因，而增殖相关原型显示TCA循环基因高表达。重要的是，这些代谢原型在不同分子亚型间广泛存在，表明AAnet能够超越传统的分子分型方法，基于功能状态对肿瘤进行分类。

研究意义与展望

该研究开发的AAnet方法为解析肿瘤异质性提供了强大工具，能够识别具有生物学意义的细胞状态并揭示其空间组织规律。对GLUT3在缺氧型AT中的功能验证为靶向肿瘤代谢异质性提供了新思路。未来应用AAnet分析治疗前后样本动态变化，将有助于理解肿瘤适应性机制和开发联合治疗策略。该方法也可扩展到免疫学、发育生物学等广泛的研究领域。