在多重可植入微装置检测中利用靶向药物发现动态肿瘤微环境结构

《Signal Transduction and Targeted Therapy》：Discovery of dynamic tumor microenvironment architecture with targeted agents in the multiplex implantable microdevice assay

　　

编辑您好，

解剖组织成像的进展，以及用于计算分析的先进无监督学习算法的发展，已释放出显著潜力，可用于增强对组织微结构的表征。尽管基于数据驱动的细胞簇识别可减少主观偏倚，但微解剖结构域（microanatomical domains）的发现通常局限于具有内在组织性的正常器官。对于缺乏强结构模式的组织，如癌症组织，其拓扑学原理（topological principles）的界定一直受到限制；而从身份与生物学功能角度进行更深层分层，尤其是在治疗应答方面，仍然具有挑战性。若能获得治疗诱导改变的直接证据及并行测量，将有助于开发差异分析方法，用于患者分层和个体化癌症医学。

近期，研究人员提出了多重可植入微装置检测（Multiplex Implantable Microdevice Assay, MIMA；图1a，左），该方法能够预测靶向抗癌药物与免疫治疗的有效联合方案。该系统整合了一种微型化给药装置，用于肿瘤内局部递送多种治疗，并结合多重成像数据的计算分析，对癌细胞、基质（stroma）及不同免疫细胞——包括不同类型的巨噬细胞、树突状细胞、中性粒细胞和T细胞——在各治疗递送位点邻近区域进行定量空间评估。研究人员此前曾采用监督式降维（supervised dimensionality reduction）结合层次聚类（hierarchical clustering），对复杂肿瘤微环境（tumor microenvironment, TME）的标准细胞类型和状态进行分类。以具有广泛功能效应的靶向抗癌药物——panobinostat（泛组蛋白去乙酰化酶抑制剂）、venetoclax（BCL-2抑制剂）和palbociclib（CDK4/6抑制剂；图1a，右）——为重点，本研究在MIMA框架内系统考察细胞表型和局部邻域，利用无监督结构分析方法理解并识别癌症治疗应答中的TME拓扑学原理（图1及在线补充仓库）。

将负载panobinostat的微装置植入小鼠乳腺肿瘤后，在给药暴露3天时，研究人员采用基于图的组织结构无监督发现算法（unsupervised discovery of tissue architecture with graphs, UTAG）进行分析。UTAG是一种能够有效识别正常组织解剖结构域的空间聚类方法。研究人员通过系统改变最大欧氏距离（Euclidean distance）和聚类分辨率，并将新识别出的宏观结构域与此前基于监督式细胞分类确定的图谱进行定量比较。结果提示：若将无监督学习方法整合进计算搜索流程，则采用7.5–12.5 μm距离和0.2–0.3分辨率的基于距离聚类方法，可实现对肿瘤床内治疗特异性且具有生物学可解释性的解剖结构域的识别。

在MIMA中采用最高评分参数的UTAG算法（7.5 μm距离；0.3分辨率）后，研究人员识别出一个定位于药物位点近端的治疗特异性抗原呈递髓系细胞（antigen-presenting myeloid cell, APC）簇（cl. 1），其后依次为免疫原性细胞死亡（immunogenic cell death, ICD）簇（cl. 0）以及两个galectin-3簇（cl. 2和3）。混合型galectin-3髓系细胞与癌症干细胞（cancer stem cell, CSC）簇（cl. 3）在统一流形近似与投影（uniform manifold approximation and projection, UMAP）中延伸进入其他治疗特异性簇。利用GraphCompass这一包含统计分析框架的方法，研究人员发现ICD簇（p = 0.015）和galectin-3混合cl. 3（p = 0.031）在治疗特异性条件下显著富集。此外，基于划分的图抽象（partition-based graph abstraction, PAGA）对流形分区连通性的估计提示，galectin-3可通过一个免疫抑制性亚群（cl. 10）与间质样细胞（mesenchymal cells, cl. 12）相连接。细胞-细胞相互作用分析和邻域富集评估进一步证实了galectin-3与其他簇的空间共现，并显示ICD与APCs富集相关，而促肿瘤巨噬细胞则与增殖性肿瘤细胞富集相关。最后，尽管采用Leiden算法的聚类并未识别出此前所示的抗原呈递中性粒细胞，UTAG却检测到了这一由panobinostat诱导的细胞表型。因此，在MIMA中引入包含空间信息的无监督结构方法，而非仅进行表达分析，在捕获稀有事件以及发现可能在功能上与治疗相关联的细胞表型方面具有优势。

研究人员进一步考察了panobinostat在延长时间点（第8天）的疗效。此时已不再观察到APCs，提示抗肿瘤表型发生丧失。相反，在近端检测区域观察到大片由治疗耐受相关状态主导的区域，具体包括濒死和免疫抑制性髓系细胞（cl. 2），其后依次为癌症干细胞（cl. 6）、间质样细胞（cl. 14）和促肿瘤性巨噬细胞（cl. 10）。除这些耐药结构域外，UTAG还发现了一种新的细胞表型：稀疏分布的单个细胞毒性B细胞（cytotoxic B cells），其表达CD45R、Granzyme B、calreticulin和galectin-3（cl. 13），其功能作用仍有待进一步研究。总体而言，研究结果提示galectin-3具有（i）多效性功能，并且（ii）是连接panobinostat治疗特异性细胞事件在空间和时间上连续变化的中心表型。

通过分析MIMA中诱导形成的宏观结构域，研究人员发现，不同靶向抗癌药物可诱导广泛的免疫性和非免疫性基质细胞富集，并组织成特异性空间模式，其中部分模式类似地质学中的水-陆相互作用。panobinostat诱导的细胞表型随着距药孔距离增加而形成类似海湾的分层结构，其中部分抗肿瘤免疫细胞逐渐消失，而促肿瘤耐药细胞则在后期出现。这一结果首次提供了在MIMA中评估药物处理所致动态TME结构的证据。palbociclib和venetoclax则显著诱导不同髓系细胞亚群募集，并与内皮细胞（endothelial cells）和周细胞（pericytes）相关，分别形成类似三角洲的结构或分裂的细胞簇。这提示，panobinostat和palbociclib诱导的分层表型更可能存在因果-结果关联的功能互联；而venetoclax诱导的空间簇则更可能作为独立结构域形成。

结论

研究人员此前已表明，MIMA预测的药物联合方案在全身给药时具有很高疗效。该方法已在乳腺癌小鼠模型中得到验证，并正在适配于人类肿瘤研究。本研究所展示的系统性空间分辨治疗应答分析，使得：（i）可建立用于可重复识别解剖结构域的参数；并在以下方面体现优势，即识别（ii）新的细胞类型（细胞毒性B细胞）、（iii）稀有细胞（抗原呈递中性粒细胞）以及（iv）连接治疗特异性事件在空间与时间上变化的功能表型（galectin-3）。研究还表明，具有广泛功能效应的靶向抗癌药物能够生成不同的空间模式，类似于水-陆相互作用，从而实现（v）动态系统评估以及可能的因果-结果细胞关联识别。研究人员预计，这种新的整合策略及其获得的结果可便捷应用于广泛的MIMA相关临床前与临床研究，以及全身治疗、纵向研究和数学建模。

材料可获得性

本研究未产生新的材料。

该文发表于《Signal Transduction and Targeted Therapy》，核心目标是在多重可植入微装置检测（Multiplex Implantable Microdevice Assay, MIMA）框架下，引入空间无监督学习方法，解析靶向药物局部递送后肿瘤微环境（tumor microenvironment, TME）的动态结构组织规律。研究背景在于，随着组织成像与计算分析技术进步，研究者已能较高维度地描述组织细胞组成，但微解剖结构域的发现长期主要集中于本身具有清晰组织分层或空间秩序的正常器官。相比之下，肿瘤组织空间结构异质性更强、拓扑规律更隐匿，尤其在药物干预后，不同细胞群如何在局部区域内重组、衍变并形成治疗敏感或耐药结构域，仍缺少直接证据和定量分析框架。正因如此，开展本研究具有明确必要性：一方面可推动对治疗应答相关空间生物学的理解，另一方面也有助于发展患者分层与个体化用药策略。

研究人员基于既往建立的MIMA体系开展工作。该体系将微型植入式装置置入肿瘤局部，使多种药物分别在空间分离的区域内释放，再结合多重免疫组织化学成像及计算分析，对药物作用邻域内癌细胞、基质细胞与免疫细胞进行空间定量评估。此前MIMA主要依赖监督式细胞分类方法，而本研究进一步聚焦三种具有广泛功能效应的靶向抗癌药物：panobinostat、palbociclib和venetoclax，系统评估无监督结构识别算法在解析治疗诱导TME结构中的价值。研究结论表明，将空间信息整合进无监督结构学习后，可以稳定识别治疗诱导的微解剖结构域，并揭示药物特异性的动态空间模式、稀有细胞群与潜在功能连接表型，其中galectin-3成为贯穿空间与时间变化的重要中心表型。这一发现强化了MIMA不仅可用于药物敏感性评估，还可作为解析肿瘤治疗微生态重塑机制的平台。

研究所用主要技术方法可概括如下：研究对象为小鼠乳腺肿瘤模型，研究人员将负载不同药物的微装置植入肿瘤后，在局部给药3天及8天等时间点取材；随后对甲醛固定石蜡包埋（FFPE）组织进行循环多重免疫组织化学染色和全片扫描，构建单细胞分辨率的空间图谱；在计算层面，采用UTAG进行基于图的空间无监督聚类，系统测试不同最大欧氏距离与聚类分辨率参数；并结合GraphCompass进行图统计比较，采用PAGA分析簇间连通关系，同时辅以细胞-细胞相互作用分析和邻域富集分析，以评估药物诱导的局部结构重塑。

以下结合文中结果部分的小标题与逻辑，对主要发现进行浓缩解读。

Integrated workflow for the multiplex implantable microdevice assay (MIMA) with spatial unsupervised learning to find treatment-induced tumor microenvironment anatomy.

这一部分建立了全文的方法学与概念框架。研究人员提出，将MIMA与空间无监督学习整合，可在局部药物释放背景下直接观察肿瘤组织内由治疗诱导形成的空间结构。图示显示，不同药物可在药物释放位点周围形成不同形态的空间格局。panobinostat更倾向于诱导随距离递变的层状结构，palbociclib形成类似三角洲样分层，而venetoclax则更接近相互分离的细胞簇。该部分的重要意义在于说明：药物作用不仅改变细胞组成，也重塑空间组织原则，因此TME应答应被视为一种“结构化”的动态过程。

Mouse mammary tumors were implanted with panobinostat-loaded microdevices.

这一部分首先检验UTAG在肿瘤治疗场景中的适用参数。研究人员系统改变最大欧氏距离和聚类分辨率，并将无监督识别结果与既往监督式细胞图谱进行比较，得出在7.5–12.5 μm距离与0.2–0.3分辨率范围内，可较好识别具生物学可解释性的治疗特异性结构域。该结果并非单纯算法优化，而是为后续可重复、可推广地识别药物响应空间结构建立了参数基础。研究显示，在肿瘤这种缺乏稳定天然结构模式的组织中，适当尺度的空间图建模仍可提取出可解释的结构单元。

Applying the UTAG algorithm with the highest score parameter (7.5 μm distance; 0.3 resolution) in MIMA.

在最优参数下，研究人员识别出panobinostat处理后靠近药物释放位点的多个治疗特异性簇：最靠近药孔的是抗原呈递髓系细胞（APC）簇，其后为免疫原性细胞死亡（ICD）簇及两个galectin-3相关簇。通过统一流形近似与投影（UMAP）可见，含galectin-3的混合髓系细胞/癌症干细胞簇向其他治疗特异性簇延伸，提示其可能在不同治疗状态之间发挥连接作用。进一步利用GraphCompass统计比较，发现ICD簇和galectin-3混合簇在处理区域显著富集，说明这些簇并非随机出现，而是药物作用后稳定形成的局部结构域。PAGA分析进一步提示，galectin-3相关状态通过免疫抑制性亚群与间质样细胞相连，显示其可能嵌入由炎症激活向免疫抑制和间质化转变的连续谱系。细胞互作与邻域富集分析又验证了若干关键局部关联，如ICD与APC共富集、促肿瘤巨噬细胞与增殖肿瘤细胞共富集。这些结果共同支持：引入空间结构信息后，MIMA不仅能识别常见细胞状态，还能发现与治疗功能关联更紧密的局部组织模块。

Last, while clustering using a Leiden algorithm did not identify antigen-presenting neutrophils as shown before.

这一结果进一步凸显空间无监督结构分析相对于单纯表达聚类的优势。虽然传统Leiden聚类未能识别先前观察到的抗原呈递中性粒细胞，但UTAG能够检测到这一由panobinostat诱导的稀有细胞表型。由此可见，部分关键治疗相关事件并不一定在表达空间中形成明显独立簇，却可能因其稳定出现在特定空间邻域而被结构算法捕获。研究人员据此指出，MIMA中整合空间架构分析可在两方面体现优势：一是识别稀有事件，二是识别可能在功能上相互连接的治疗相关表型。

We further investigated panobinostat efficacy at the extended (day eight) time point.

这一部分关注时间维度上的结构演化。研究人员在panobinostat暴露8天后再次分析，发现早期出现的APC已不再可见，提示初始抗肿瘤免疫表型未能持续。取而代之的是大范围近端区域被濒死且免疫抑制性髓系细胞、癌症干细胞、间质样细胞和促肿瘤巨噬细胞主导，显示局部组织已从早期免疫活化状态转向耐药和促肿瘤状态。这一时间序列结果证明，TME架构并非静态，而会随着持续药物暴露发生方向明确的重塑。此外，UTAG还在这一阶段发现一种新的稀疏分布细胞毒性B细胞，其表达CD45R、Granzyme B、calreticulin和galectin-3。文中未对其功能作推断，但明确指出这是无监督空间分析额外揭示的新型细胞表型。综合这一部分可见，galectin-3不仅存在于多个簇中，而且跨越早期和晚期阶段持续出现，因此被界定为空间和时间双重维度上的连接中心。

By analyzing macroscopic domains induced in MIMA, we found different targeted anticancer agents induced enrichment of a broad range of immune and nonimmune stromal cells organized into specific spatial patterns.

这一部分将分析从单一药物扩展至药物间比较。研究人员发现，不同靶向药物会驱动不同类型的免疫与非免疫基质细胞募集，并形成彼此有别的空间模式。panobinostat形成类似海湾的层状结构，且随时间推移，部分抗肿瘤免疫细胞消失、耐药相关促肿瘤细胞出现；这是本文首次直接提供MIMA中动态TME架构评估的证据。palbociclib和venetoclax则分别诱导不同髓系亚群与内皮细胞、周细胞相关联，形成三角洲样结构或分裂簇状结构。研究人员据此认为，panobinostat与palbociclib所形成的层状结构，更可能反映一系列具有前后因果关联的细胞事件；而venetoclax所诱导的分离簇则更接近相对独立的局部结构域。这种空间形态差异说明，不同药物并非仅在“效应强弱”上不同，更在“组织重塑方式”上存在本质差异。

Conclusion

结论部分集中概括了本研究的方法学贡献与应用前景。研究人员首先回顾，MIMA此前已证明可有效预测全身给药时高效的药物联合方案，并已从乳腺癌小鼠模型拓展至人类肿瘤适配。基于此，本研究进一步通过系统性空间分辨治疗应答分析，建立了可重复识别解剖结构域的参数体系；并显示该策略有助于识别新的细胞类型、稀有细胞以及跨空间和时间联系治疗特异性事件的功能表型。研究同时证明，具有广泛功能效应的靶向抗癌药物可塑造彼此不同、类似水陆相互作用的空间格局，因此能够支持动态系统层面的评估，并帮助识别可能存在因果-结果关系的细胞关联。该结论的意义在于，它将MIMA从局部药效筛查工具推进为可解析肿瘤微环境结构动力学的综合平台，为临床前研究、临床样本分析、纵向追踪及数学建模提供了基础。

对全文讨论部分加以归纳，可见研究强调的核心并非单一算法性能，而是空间信息在药物应答研究中的必要性。传统仅基于表达的分析模式容易忽略稀有但关键的治疗相关细胞，以及在局部空间中通过相邻关系表现出功能联系的状态转换。通过MIMA与UTAG、GraphCompass、PAGA等方法整合，研究人员建立了一个能够同时处理细胞组成、邻域关系、结构域形成及时间演化的分析框架。文章所总结的证据表明，TME治疗应答应被理解为一种受药物驱动的动态结构重构过程，而非单纯细胞比例变化。尤其是galectin-3在不同簇、不同空间层级及不同时间点中的持续出现，使其成为理解panobinostat局部应答与耐药演替的重要线索。

研究结论部分可翻译概括如下：研究人员此前已证明，MIMA预测的药物联合在全身给药条件下具有很高疗效。该方法已在乳腺癌小鼠模型中得到验证，并正在向人类癌症研究拓展。本研究展示的空间分辨治疗应答系统分析，能够建立可重复识别解剖结构域的参数，并在识别新型细胞类型、稀有细胞及连接治疗特异性时空事件的功能表型方面具有优势。研究表明，功能广泛的靶向抗癌药物能够产生彼此不同的空间模式，这些模式类似于水-陆相互作用，从而支持动态系统评估及潜在因果-结果细胞关联的识别。研究人员预计，这一整合策略及所得结果可广泛应用于MIMA相关的临床前和临床研究，以及全身治疗、纵向研究和数学建模。