基于深度学习的跨七种肿瘤类型组织学图像推断连续单碱基替换突变特征暴露

《Cancers》：Deep Learning-Based Inference of Mutational Signature Exposures from Histology Across Tumour Types

　　

背景/目的：突变特征（mutational signatures）反映塑造癌症基因组的过程。研究人员探讨了能否从常规组织学跨肿瘤类型推断连续突变特征暴露。方法：研究人员在七种肿瘤类型的2741例癌症基因组图谱（TCGA）患者中，为30种单碱基替换（SBS）特征开发全切片图像（WSI）回归模型，并在580例临床蛋白质组肿瘤分析联盟（CPTAC）患者中评估。RetCCL均值特征岭回归与RetCCL/CTransPath注意力多实例学习（MIL）通过固定无权重平均组合。最终集成输出为标准化SBS评分。研究进行了患者不重叠评估、全面板错误发现率（FDR）校正和肿瘤标记切片敏感性分析。结果：在两组均可获得相关性的185个配对中，73个在两组均显示正相关。14个在两组均具有名义正方向p < 0.05，包括乳腺癌–SBS3（TCGA r = 0.289，CPTAC r = 0.215）和肺腺癌–SBS4（r = 0.128和0.263）。全部210个配对均提供队列特异性FDR校正值。将输入限制为肿瘤标记切片后，全部14个关联仍为正。SBS3评分与连续同源重组缺陷（HRD）相关（r = 0.332）。探索性TCGA SBS3、SBS6和SBS10评分对HRD-high、微卫星不稳定性（MSI）和符合条件的POLE/POLD1突变产生的受试者工作特征曲线下面积（AUC）分别为0.693、0.619和0.628。外部MSI和聚合酶AUC分别为0.573和0.680。结论：组织学衍生评分在两组均与选定基因组SBS暴露相关。需要进一步研究识别这些关联背后的组织特征并评估其临床相关性。

研究背景：癌症基因组通过自发性DNA损伤、复制错误、DNA修复缺陷和环境诱变剂暴露等过程积累体细胞突变，留下特征性序列模式，即突变特征（mutational signatures，指突变过程在基因组中留下的序列模式）。单碱基替换（SBS，指单个碱基改变形成的突变类型）暴露量化各特征贡献；SBS1与年龄、SBS2/SBS13与APOBEC、SBS3与同源重组缺陷（HRD，指同源重组修复功能受损）、SBS6与错配修复缺陷和微卫星不稳定性（MSI，指重复序列长度改变的表型）相关。H&E形态含驱动突变、分子亚型、MSI、HRD等信息；已有研究直接预测MSI/HRD或用SBS3/SBS20定义HRD/MMR缺陷标签分类，但系统预测连续SBS暴露并在独立队列评估同一肿瘤类型–特征目标仍 largely uncharacterised。SBS暴露连续、常零膨胀且强依赖癌种；注意力多实例学习（MIL，指在包水平聚合瓦片信息的弱监督方法）可弱监督分析全切片图像（WSI，指数字化整个组织切片图像），预训练编码器可提取瓦片形态表示。故研究人员评估连续SBS1–SBS30暴露能否从七种肿瘤类型组织学推断，用TCGA（癌症基因组图谱）训练癌症特异性模型并在肿瘤类型匹配的CPTAC（临床蛋白质组肿瘤分析联盟）评估；连续暴露为回归目标，集成输出为标准化SBS评分；探索性分析评估SBS3、SBS6、SBS10评分是否保留HRD、MSI和POLE/POLD1校对结构域突变信息，图像模型未直接在这些下游标签上训练。

关键技术方法（≤250字）：研究使用TCGA和CPTAC七种肿瘤类型H&E WSI与基因组数据，按患者标识匹配；TCGA行患者不重叠五折交叉验证并重复三次，CPTAC外部评估且不重新拟合。图像经Canny组织过滤、Macenko染色归一化和1.143 μm/像素重采样，提取224×224像素瓦片；采用冻结RetCCL ResNet-50和CTransPath特征，构建PCA-ridge及1024/2048瓦片注意力MIL，按固定无权重1:1:1平均集成；用deconstructSigs估计SBS1–SBS30比例目标；行全面板FDR校正、肿瘤标记切片输入敏感性和探索性AUC分析。

研究结果：
3.1 研究人群与分析框架：WSI–基因组分析包括2741例TCGA和580例CPTAC患者，覆盖BRCA、HNSC、KIRC、LUAD、LUSC、OV和UCEC；TCGA预测队列为530、368、258、406、418、339、422例，CPTAC为77、104、83、86、103、45、82例。每种肿瘤类型均对全部30个SBS目标提供患者水平预测；TCGA患者获得未纳入其训练的不折叠预测，相应TCGA训练模型直接应用于CPTAC。
3.2 组织学衍生SBS评分与观察暴露的关联：210个肿瘤类型–SBS组合中，185个配对可在两组计算Pearson相关（73正–正、46负–负、66不一致）；TCGA 35个、CPTAC 34个配对名义正方向p < 0.05；14个在两组均满足：BRCA–SBS2、BRCA–SBS3、BRCA–SBS13、HNSC–SBS19、KIRC–SBS1、LUAD–SBS4、LUAD–SBS24、LUSC–SBS1、LUSC–SBS4、LUSC–SBS23、UCEC–SBS3、UCEC–SBS6、UCEC–SBS10、UCEC–SBS13；探索性FDR阈值0.20下9个在两组仍显著。BRCA–SBS3两组r = 0.289/0.215；LUAD–SBS4 r = 0.128/0.263；UCEC–SBS6 r = 0.104/0.192。Pearson与Spearman效应接近，TCGA/CPTAC效应大小相关0.924/0.907。替代估计中Sigfit和COSMIC v2 SigProfilerAssignment在TCGA保留14/14、CPTAC 13/14正相关，COSMIC v3.5/v3.6为12/13和9/12。
3.3 图像输入敏感性：相同570例CPTAC患者比较2221张全输入源切片与1509张肿瘤标记切片；限制为肿瘤标记切片后14个原名义配对仍正相关，7个增加、7个降低；全输入时12/14 CPTAC名义p < 0.05，限制后10/14。BRCA–SBS3由0.211变为0.267，LUAD–SBS4由0.263变为0.266，UCEC–SBS13由0.581变为0.584；UCEC–SBS3和LUSC–SBS4分别由0.390降至0.344、0.173降至0.072。正常切片纳入影响因比较组缺失或过小无法可靠评估。
3.4 与基因组特征的探索性关联：TCGA BRCA中WSI预测SBS3与连续HRD相关（n = 423，r = 0.332，95% CI 0.244–0.414，p = 2.47×10^?12），区分HRD-high（≥42）AUC = 0.693（95% CI 0.638–0.745，132/423阳性，p = 2.09×10^?10）。TCGA UCEC中SBS6区分MANTIS定义MSI，AUC = 0.619（95% CI 0.555–0.681，102/365阳性，p = 4.34×10^?4）；SBS10区分所列POLE OR POLD1校对结构域替换，AUC = 0.628（95% CI 0.537–0.716，47/422阳性，p = 0.00409；44例POLE、4例POLD1、1例双阳性计一次；未作POLD1特异性推断）。CPTAC UCEC中SBS6对MSI-H AUC = 0.573（95% CI 0.429–0.709，25/82阳性，p = 0.295）；SBS10对POLE/POLD1复合终点AUC = 0.680（95% CI 0.474–0.862，p = 0.150），6例阳性中5例POLE p.P286R、1例POLE p.V411L，无合格POLD1阳性。BRCA基因组瘢痕HRD外部评估因无等效标签未完成。

讨论部分总结：最终集成输出为标准化评分而非校准暴露比例；14个癌症–特征对在TCGA和CPTAC均名义正相关，跨六个癌种和若干已建立突变过程，复发支持组织学与基因组暴露的关系，但双队列名义显著不控制FDR，队列特异性校正p值考虑探索性筛查多重比较。既往计算病理学研究建立H&E与驱动突变、MSI、分子亚型等关联；Valieris et al.用SBS3/SBS20定义HRD/MMR缺陷标签分类，Fuji模型将二值突变特征推断纳入预训练；本研究以单个SBS暴露为回归目标并在匹配CPTAC不重新拟合评估。去除正常标记和未指定切片后14个关联仍正相关，提示这些输入可影响单个相关但不足以完全解释。TCGA中SBS3–HRD支持评分保留相关基因组状态信息；CPTAC外部SBS10和SBS6 AUC置信区间宽，尤其聚合酶阳性均在POLE，故为探索性且不支持POLD1结论。输入敏感性无法单独分离正常组织效应；切片标签不识别瓦片内肿瘤区域；需多肿瘤类型专家病理复核但未能安排。deconstructSigs虽受替代方法和参考目录影响，但无替代方法一致改善，故保留原框架。
研究结论翻译：癌症特异性深度学习模型从组织学推断相对突变特征活性，并在TCGA和CPTAC中观察到选定评分–暴露关联。完整七癌30特征分析、多重检验校正和输入敏感性分析描述这些关联的强度和不确定性。需要进一步比较特征估计、进行专家病理复核并在额外独立队列中评估，以确立其生物学和临床相关性。