AAnet神经网络解码三阴性乳腺癌表型连续体中的关键细胞状态与空间异质性

本刊推荐：本研究开发了一种新型神经网络AAnet（Archetypal Analysis network），通过将单细胞数据映射到单纯形潜在空间，成功解析了三阴性乳腺癌（TNBC）在表型连续体中的关键细胞状态。研究发现原发性肿瘤和转移灶中存在五种保守的原始状态（AT），包括增殖性（proliferative）、氧化/脂肪生成性（oxidative/adipogenic）、缺氧性（hypoxic）、细胞损伤/死亡性（cell damage/death）和免疫刺激性（immunostimulatory）AT。空间转录组学揭示这些AT具有明确的空间组织模式，并与特定微环境细胞共定位。研究进一步验证了缺氧AT中GLUT3（SLC2A3）对肿瘤生长和转移的关键作用，为TNBC的靶向治疗提供了新思路。

　　

研究背景与方法创新

当前解析肿瘤异质性的主流方法（聚类分析和轨迹推断）难以有效表征表型连续体中的细胞状态。本研究开发的AAnet神经网络采用自编码器框架，通过扩散极值损失函数识别数据几何结构中的极端点，将数据映射到单纯形潜在空间进行原始状态分析。与传统方法相比，AAnet能更准确地捕捉非线性数据几何特征，并保持细胞间关系的连续性。

技术验证与性能比较

通过模拟数据集验证，AAnet在非线性数据环境中显著优于传统AA方法。在CD8⁺T细胞数据集中的应用表明，AAnet能准确识别 na?ve、耗竭和干细胞样T细胞状态，并揭示这些状态间广泛的转录组相似性。

TNBC模型中的原始状态解析

在MDA-MB-231小鼠模型中，通过scRNA-seq鉴定出五种保守的AT：

1. 1.
   增殖性AT（蓝色）：富集细胞周期相关基因（CDC20、CDK1、CDK4）和MYC靶基因，>95%细胞处于S/G2/M期
2. 2.
   氧化/脂肪生成性AT（黄色）：特征为氧化磷酸化（OXPHOS）、活性氧（ROS）通路和脂肪生成相关基因表达
3. 3.
   缺氧性AT（橙色）：富集缺氧反应基因（SLC2A1、SLC2A3、HK2、LDHA）和核糖体亚基基因
4. 4.
   细胞损伤/死亡AT（琥珀色）：高表达线粒体编码的电子传递链组分
5. 5.
   免疫刺激性AT（紫色）：高表达HLA基因、细胞因子（CXCL1）和免疫调节基因

转移灶中的AT保守性与特异性

淋巴结转移保持与原发性肿瘤高度相似的AT组成，而肝转移缺失氧化性AT，肺转移则出现独特的代谢性AT（富集OXPHOS和抗氧化酶基因）。不同转移部位中AT比例的差异反映了微环境对肿瘤细胞状态的塑造作用。

空间转录组揭示AT组织模式

通过scMMGAN方法整合空间转录组数据，发现AT具有明确的空间分布规律：增殖性AT分布于肿瘤外围，缺氧性AT集中于中央区域，免疫刺激性AT环绕缺氧区域分布。这种空间组织模式与局部微环境特征高度相关。

微环境与AT的相互作用

肿瘤微环境被分为六种ME-AT，包括导管性、脂肪性、基质性、中性粒细胞性、髓系性和抗原应答性ME-AT。分析发现特异性共定位关系：增殖性AT与髓系/基质ME-AT共定位，缺氧性AT与中性粒细胞ME-AT共定位。配体-受体分析揭示了肿瘤-微环境间的双向信号交流，如缺氧区域中CD44-Mif的相互作用。

代谢异质性与治疗靶点

研究发现代谢程序在空间上高度组织化：缺氧区域富集糖酵解酶（GLUT3、PDK1），而富氧区域高表达TCA循环酶。功能验证表明GLUT3敲除显著降低葡萄糖摄取、糖酵解速率和肿瘤球形成能力，在体内实验中抑制肺转移生长。免疫荧光证实GLUT3⁺细胞与HIF1α⁺细胞的共定位关系，提示HIF1α可能调控GLUT3表达。

人类肿瘤中的保守性

在34例人类乳腺癌样本中鉴定出155个AT，其中18个与缺氧性AT相似，8个与增殖性AT相似。这些AT跨越不同分子分型（ER⁺、HER2⁺和TNBC），表明AAnet可用于跨亚型的肿瘤功能分型。

研究意义与展望

AAnet提供了一种强大的工具来解析肿瘤异质性，识别关键细胞状态及其空间组织。该研究揭示了TNBC代谢异质性的空间规律，验证了GLUT3作为缺氧微环境中肿瘤细胞的代谢依赖性靶点。这种方法未来可应用于治疗反应监测、耐药机制解析和个性化治疗策略开发。