## 中文标题 基于机器学习分类器ALLCatchR2的跨队列跨年龄组20种T-ALL转录组亚型鉴定

《HemaSphere》:The machine-learning classifier ALLCatchR2 identifies 20 T-ALL subtypes across cohorts and age groups

【字体: 大 中 小 】 时间:2026年09月17日 来源:HemaSphere 11.3

编辑推荐:

   T细胞急性淋巴细胞白血病(T-cell acute lymphoblastic leukemia,T-ALL)包含分子水平上多样化的亚型,但缺乏稳健的跨队列验证和可操作的基因表达定义。为建立T-ALL亚型的基因表达锚定框架,研究人员汇总了2314个转录组数

  


T细胞急性淋巴细胞白血病(T-cell acute lymphoblastic leukemia,T-ALL)包含分子水平上多样化的亚型,但缺乏稳健的跨队列验证和可操作的基因表达定义。为建立T-ALL亚型的基因表达锚定框架,研究人员汇总了2314个转录组数据(来自15个队列,年龄范围:0.8–90.8岁)。通过扩展的无监督方法,在高原始细胞比例的样本中定义了17个主要聚类和3个亚聚类。监督分析进一步补充了一个总括性的未成熟T-ALL(早期T前体细胞[early T cell precursor,ETP]样)定义,并解析了LMO2 γδ样亚型。所有聚类均包含来自至少两个队列的样本。特征性基因组驱动因子富集在各队列间保持一致,而基因表达聚类并非仅对应单一驱动事件,同时也反映了发育起源。基于研究人员的B细胞急性淋巴细胞白血病(B-cell acute lymphoblastic leukemia,B-ALL)分类器ALLCatchR构建的机器学习分类器,在验证集(n = 203)中以0.995–1.0的准确率识别出这20种转录组亚型和未成熟T-ALL(ETP样)特征。在第二个独立测试数据集(n = 265个样本)上测试该分类器显示,92.7%的预测结果与相应的驱动基因改变相匹配。在所有样本中,83.2%的病例获得了高置信度预测,7.3%为候选预测,9.5%未能分类,主要原因是原始细胞比例较低。研究人员发现了一个新的基因表达聚类,该聚类显著富集(P < 0.001)克隆性造血(clonal hematopoiesis,CH)突变(IDH2 R140Q, DNMT3A)并呈现干/祖细胞样基因表达。这一新的克隆性造血相关T-ALL亚型在六个队列中被观察到,占成人病例的8.9%,占年龄>50岁患者的39.5%。研究人员将ALLCatchR扩展为ALLCatchR2,这是一个免费的R软件包,现可实现B/T谱系区分、基因表达亚型分型、原始细胞估算和发育注释,以协调不同研究和临床背景下的T-ALL分类。
## 论文解读

### 一、研究背景与核心问题

T细胞急性淋巴细胞白血病(T-ALL)在治疗上仍面临重大挑战,主要原因在于缺乏已显著改善B细胞急性淋巴细胞白血病(B-ALL)预后的成熟免疫治疗手段,且替代性靶向干预措施有限。分子亚型能够反映致癌驱动因子下游的信号轨迹,为理解白血病发生的功能基础乃至靶向依赖性提供洞见。既往多项研究已结合分子遗传学和基因表达谱分析描绘了T-ALL的分子图景,识别出TAL/LMO、TLX1、TLX3、HOXA等亚型。然而,有限的队列规模、对特定年龄组的聚焦以及技术异质性,阻碍了稳健的跨队列亚型定义的建立。当前疾病分类仅将早期T前体急性淋巴细胞白血病(ETP-ALL;WHO-HAEM58)或伴或不伴BCL11B重排的ETP-ALL(ICC9)作为独立的T-ALL亚型,与近期一项里程碑式分析提出的15种亚型定义形成鲜明对比。此外,目前唯一可用的基于基因表达进行T-ALL亚型系统分配的工具仅局限于9种亚型定义。为建立稳健且经系统验证的T-ALL亚型,研究人员整合了来自15个队列的2314例T-ALL患者的RNA-Seq数据,旨在识别转录组聚类并构建跨队列、跨年龄组适用的亚型分类体系。

### 二、研究概述与意义

研究人员汇总了来自15个队列的2314个T-ALL转录组数据(年龄范围0.8–90.8岁),通过扩展的无监督聚类方法,在预测原始细胞比例>70%的1724例高原始细胞样本中识别出17个主要基因表达聚类,并通过监督分析进一步解析出LMO2 γδ样亚型和总括性的未成熟T-ALL(ETP样)定义,最终确立了20种T-ALL基因表达亚型。基于此,研究人员在ALLCatchR框架基础上开发了ALLCatchR2机器学习分类器,在验证集上实现了0.995–1.0的亚型预测准确率。尤为重要的是,研究人员发现了一个以DNMT3A和IDH2 R140Q突变为特征的新型克隆性造血(clonal hematopoiesis,CH)相关T-ALL亚型(C12.3),该亚型在>50岁患者中占39.5%,具有干细胞/早期祖细胞样基因表达特征。该研究发表在《HemaSphere》,为T-ALL分子亚型的系统化分类提供了重要工具和参考框架。

### 三、关键技术方法概要

研究整合了来自15个队列的2314例T-ALL样本的RNA-Seq计数数据,其中训练和验证使用来自14个队列的2049例样本,独立测试使用265例TARGET T-ALL样本。基因表达计数数据基于所有数据集中均检测到的17361个基因进行跨队列协调,并使用ComBat-seq进行批次效应校正。无监督聚类采用400个最可变表达基因,通过系统参数变异生成24个UMAP(Uniform Manifold Approximation and Projection)空间,计算样本间距离并进行层次聚类,以Cohen's κ > 0.8为标准确定稳定的聚类边界。原始细胞比例通过机器学习回归模型(基于n = 1008个样本训练)进行预测。谱系分类器基于339例T-ALL和884例B-ALL样本训练,准确率达0.98。最终分类器整合了svmLinear3、svmLinearWeights2、ranger、rf和LogitBoost五种模型的预测评分。融合基因检出和GATK变异检出使用IntegrateALL完成。发育阶段注释使用了来自人类胸腺单细胞图谱的基因集进行单样本基因集富集分析(single-sample gene set enrichment analysis,ssGSEA)。

### 四、研究结果

**跨年龄T-ALL基因表达参考队列的建立**

研究人员通过整合内部(n = 443)和公共(n = 1606)RNA-Seq数据,建立了包含2049例样本的转录组参考队列,患者年龄范围0.8–90.8岁(66.0%儿童/34.0%成人)。批次校正后样本按基因表达特征而非来源队列聚类。因低原始细胞比例干扰无监督亚型识别,研究人员训练了T-ALL原始细胞比例回归模型,实测与预测原始细胞计数的相关性达0.725。同时,基于ALLCatchR框架实现了B-ALL和T-ALL的原始细胞预测以及B/T谱系分类(准确率0.98)。

**17个T-ALL主要基因表达聚类的无监督识别**

对预测原始细胞比例>70%的1724例样本进行无监督分析,通过24个UMAP空间的系统参数变异和层次聚类,确定了17个主要T-ALL基因表达聚类,预测中位敏感度为0.929,特异度为0.999,Cohen's κ为0.939。1605例(93.1%)样本被分配至唯一聚类,119例未能分类。1567例(97.6%)样本被正确分配至其初始基因表达聚类,作为ALLCatchR2训练和验证的核心代表样本。值得注意的是,未出现完全由年龄驱动的亚聚类。

**基因表达亚型的跨队列定义**

大多数聚类与四个最大贡献队列中的预定义实体清晰对应,包括C1(TAL1 αβ样,LMO2 γδ样)、C2(TAL1 DP样)、C6(SPI1)、C7(STAG2/LMO2)、C8(BCL11B)、C9(MLLT10, NUP214)、C10(KMT2A)、C14(HOXA9/10 TCR)和C15(TLX1)。C5被确认为新近描述的FOXF1/FENDRR亚型,其特征为t(14;16)(q32;q24)易位和GATA3功能丧失突变。C3(NKX2-1其他)和C4(NKX2-1::TCR)代表两个NKX2-1驱动的聚类,C16(TLX3 DP样)和C17(TLX3未成熟)代表两个TLX3驱动的聚类,二者在独立的成人队列中同样得到验证。同时,基因组定义的NKX2-5、MYB和NUP98亚型因样本量小或表达特征不显著而未形成独立的基因表达聚类。

**驱动因子总括性未成熟T-ALL(ETP样)定义**

C11–C13显著富集ETP样亚型(124/132, P < 0.001)。基于ETP样(n = 132)与非ETP样(n = 665)病例间的差异表达基因进行机器学习分类,准确率达0.987。ETP样病例中CD34、CD117和CD33等干细胞和早期髓系标志物表达显著更高(P < 0.001),而CD2、CD1a、CD4和CD8等T细胞分化标志物表达更低(P < 0.001)。为区别于免疫表型定义的ETP T-ALL,该聚类总括性群体被命名为"未成熟T-ALL(ETP样)"。在该定义下,大多数样本(311/324)属于C11(未成熟ZFP36L2)、C12(未成熟MED12, HOXA13和ZFP36L2)和C13(未成熟NUP214, MLLT10和KMT2A)三个独立聚类。

**C1和C12聚类的进一步亚分类**

C1聚类中通过LMO2 γδ样和TAL1 αβ样之间的差异表达基因分析实现二者的清晰分离,机器学习模型准确率达0.984。C12聚类通过迭代聚类方法进一步分为三个亚聚类:C12.1(MED12)富集MED12突变(18/19, P < 0.001),C12.2(HOXA13)包含所有HOXA13异常样本(25/25, P < 0.001),C12.3(CH相关)显著富集DNMT3A(8/108, P < 0.001)和IDH2 R140Q(6/6, P < 0.001)突变。

**ALLCatchR2 T-ALL亚型分类模型的开发**

分类器包含两个模块:预测20种T-ALL基因表达聚类和识别未成熟T-ALL(ETP样)。首先预测17个主要聚类,对分配至C1或C12的样本再进行亚聚类解析。通过整合五种机器学习模型的评分并使用聚类特异性截断值,在203例验证样本中,主要聚类预测准确率为0.995,亚聚类预测准确率为1.0,未成熟T-ALL预测准确率为0.995。在所有2049例样本中,83.2%获得高置信度预测,7.3%为候选预测,9.5%未分类。1740例(84.9%)获得单一明确亚型分配。

**独立验证队列中预测亚型的确认**

在独立TARGET队列(n = 265)中,ALLCatchR2对94.0%的样本实现了高置信度分类。整合来自15个队列的2149例具有驱动因子信息的样本,发现43个驱动因子与ALLCatchR2基因表达亚型存在显著关联,其中PICALM::MLLT10、HOXA9/10::TCR、HOXA13::BCL11B增强子、KMT2A::MLLT1、STMN1::SPI1、TLX1-r、TLX1NB-r和TLX3-r等融合基因的相关系数最高(ρ > 0.90)。

**癌基因表达模式定义T-ALL亚型**

各亚型中驱动癌基因的表达水平确认了TLX3、TLX1、NKX2-1和TAL1在对应亚型中的上调。HOXA基因表达模式在不同亚型间呈现差异:C9、C10、C12.3和C14显示前部HOXA基因(HOXA5, HOXA9, HOXA10)表达增高,而C12.2特异性高表达后部基因HOXA13,C13同时表达前部和后部HOXA基因。MEF2C和LYL1在未成熟T-ALL(ETP样)中高表达。

**ALLCatchR2与现有分类器的比较**

与目前唯一公开可用的T-ALL基因表达分类工具TALLSorts(仅定义9种亚型)相比,ALLCatchR2实现了更高的预测分辨率。TALLSorts的TLX1和HOXA_KMT2A定义分别与C15(TLX1)和C10(KMT2A)一致,但NKX2和TLX3各对应两个ALLCatchR2亚型,HOXA_MLLT10对应C9和C14两个亚型,显示ALLCatchR2的细分能力。

**新型克隆性造血相关T-ALL亚型**

C12.3(CH相关)基因表达聚类以DNMT3A(P < 0.001)、IDH2 R140Q(P < 0.001)和TET2(P < 0.001)突变为特征。在独立的成人队列(MLL)全基因组测序(whole genome sequencing,WGS)数据中,C12.3聚类患者中DNMT3A突变占12/16、IDH2 R140Q突变占5/16,而其余队列分别为7/105和0/105(均P < 0.001)。C12.3患者中位年龄最高(57.1 ± 17岁),占所有T-ALL病例的2.7%,但占成人病例的8.9%(P < 0.001)和>50岁患者的39.5%。发育轨迹分析显示C12.3与造血干细胞(hematopoietic stem cell,HSC)高度相似,LGR5和MET是上调最显著的基因。该亚型富集髓系/单核细胞炎症反应通路,提示其多谱系潜能或慢性炎症信号参与。女性患者在C12.3中比例更高(37.7% vs. 24.5%, P < 0.05)。

**未成熟T-ALL预测与祖细胞样亚群的相关性**

ALLCatchR2的未成熟T-ALL(ETP样)预测评分与骨髓祖细胞(bone marrow progenitor,BMP)样/泛造血干细胞和祖细胞(pan-HSPC)富集评分以及ETP/DN(早期)发育特征显著相关。预测为未成熟T-ALL(ETP样)的样本一致显示高BMP样富集。C8(BCL11B)样本是一个值得注意的例外:其祖细胞富集评分高但未被归类为未成熟T-ALL(ETP样),与此前的描述一致。

### 五、讨论与结论

本研究利用2314个整合的T-ALL转录组数据,提出了跨队列、跨年龄组的基因表达聚类共识。与原始出版物中亚型定义的比较显示定义大体一致,尽管命名存在部分异质性。部分聚类(如C6、C8、C9、C10、C15)已在多个队列的多个年龄组中被描述,而NKX2-1(C3, C4)和TLX3(C16, C17)的细分在此前仅在一项大型儿科分析中被描述,本研究在成人队列中确认了其存在。然而,基因表达亚型定义也存在局限性:同一驱动基因可出现在多个聚类中,基因表达分类难以区分产生相似下游转录效应的驱动因子改变,罕见基因组亚型(如NKX2-5、NUP98)的分辨率受限于其在参考队列中的稀缺性。此外,≥40岁成人在队列中代表性不足(仅占9.6%),不能排除老年T-ALL的亚型特异性仍可能被遗漏。

本文最重要的发现是识别出一个以DNMT3A和IDH2 R140Q突变为特征的新型克隆性造血相关T-ALL亚型(C12.3),该亚型几乎仅见于成人,在老年患者中占39.5%。该亚型在基因表达上接近干细胞和早期T细胞发育阶段,与混合表型急性白血病(mixed phenotype acute leukemia,MPAL)甚至急性髓系白血病(acute myeloid leukemia,AML)相近,其免疫表型鉴定需特别关注。已有零星报道显示基于AML的去甲基化药物/维奈克拉(venetoclax)联合方案或enasidenib在IDH2突变T-ALL中取得疗效,而IDH1/2突变T-ALL在标准治疗下预后不良,凸显了这一新亚型定义的预后乃至预测价值。

研究结论:研究人员将新建立的模型整合入ALLCatchR2,该工具可在不依赖先验谱系假设的情况下对ALL RNA-Seq样本进行谱系、原始细胞比例和亚型的联合预测,为跨研究的系统化T-ALL注释提供了新基础,并为将分子亚型和发育状态纳入未来研究和临床分层铺平了道路。ALLCatchR2作为免费R软件包(https://github.com/ThomasBeder/ALLCatchR2)公开发布,可识别42种跨年龄ALL亚型(包括新型CH相关T-ALL亚型),实现ALL分子亚型及其发育基础的系统性分析。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号