博文

技术和计算进步推动高通量肿瘤学发展

已有 1638 次阅读 2023-2-17 11:47 |个人分类:科普|系统分类:科普集锦

技术和计算进步推动高通量肿瘤学发展

工程和计算的进步为癌症研究开辟了许多新途径，特别是在跨学科应用方面。例如，微流体、新型测序技术和计算分析的结合对于实现单细胞分析至关重要，例如首次给出了肿瘤异质性的详细图像。以类似的方式，这些“技术”学科生成大型数据集，已经成为多维癌症“组学”方法、细胞-细胞相互作用、3D肿瘤模型和组织水平分析的基础。本次介绍的这篇综述中，作者们总结了最重要的技术和计算发展，这些技术和计算发展已经或将有助于将经典的癌症研究过渡到跨所有生物学尺度的大数据驱动、高通量、高含量的学科。

癌症研究的多学科方法:从分子到组织

工程和计算学科正在彻底改变我们在肿瘤学领域进行基础研究和转化科学的方式。在这篇综述中，作者们分析了它们对所有生物尺度的研究影响，从溶液中的分子和聚集物、单细胞和细胞相互作用到组织水平的研究。作者们专注于生成或利用由尖端、高吞吐量或高内容技术生成的大型数据集的方法（图1）。在机会和能力层面介绍这些技术; 作者们指出了它们的局限性，并说明了是否以及哪些模块可以用于跨学科方法。作者们首先讨论了从小到大的生物尺度下的技术应用。最后，从更临床的角度总结了这些进展，并展望了它们如何影响疾病机制、诊断和患者治疗的研究。

图1 高通量肿瘤学流程和应用

循环肿瘤标志物分析

“液体活检”一词是指分析容易获得的体液（如血液和尿液），以获得可用于治疗目的的生物标志物，以监测治疗成功，并研究在疾病机制和进展中起作用的因素。鉴于样品可以通过微创和重复获得，液体活检领域正在迅速发展，在生物医学研究、转化工作和临床应用中越来越重要。有意义的分析物包括可溶性分子，如循环肿瘤DNA（ctDNA），较大的聚集物，如外泌体，甚至整个循环肿瘤细胞（CTCs）。

在癌症患者中，ctDNA最终只占血流中循环的细胞DNA的一小部分（例如，转移性膀胱癌中位值约为16%）。微流体方法，如液滴数字PCR（ddPCR），已被定位为可靠和敏感的检测方法。从本质上讲，ddPCR将单个ctDNA分隔开来，这样就避免了其他细胞DNA的竞争性扩增。此外，只有最初含有感兴趣的DNA模板的液滴显示荧光信号。这些特征允许DNA进行绝对定量，而不需要标准曲线。因此，ddPCR能够根据突变动态评估治疗效率，或提供术后复发预测。尽管具有强大的能力，ddPCR仍然局限于已知的突变，这可以通过全局（非特异性）扩增和随后的下一代测序（NGS）分析来克服。此外，通过甲基化谱或片段组学研究，NGS可以扩大细胞DNA分析的范围。

由于ctDNA在血液中的丰度较低，需要在患者血液样本中考虑其他肿瘤标志物，例如癌症来源的外泌体。这些囊泡的典型大小为30 - 150nm，携带癌症特异性生物标志物，如DNA、RNA、脂质和蛋白质。基于涂有捕获抗体的纳米结构，经过工程设计的连续流微流控装置可以从几微升到毫升的样品中分离出外泌体。虽然芯片上的蛋白质分析是可能的，但富集外泌体的释放可以作为进行进一步下游分析的资源。集成芯片还可以进行外泌体裂解，然后浓缩和检测特定的miRNAs。

除了外泌体，罕见的CTC（数个细胞/ml）可以帮助我们了解原发肿瘤和转移过程的性质。它们可以用于监测治疗反应和预测患者结果，如FDA批准的CellSearch系统，系统使用上皮细胞粘附分子（EpCAMs）作为患者血液样本中CTC检测的生物标志物。然而，由于它们的数量少和具有异质性，CTC提出了与外泌体相同的问题：需要富集。在这方面，连续流微流体通过利用芯片上的微结构来利用物理细胞特性（如尺寸和密度）来促进CTC的无标签富集。这些被动富集方法可以为进一步的下游分析提供未改变的CTC。基于精细的芯片，ParsortixTM系统为那些不是微流体专家的人提供了一种商业解决方案。通过组合不同的微流体模块，CTC-iChip能够通过高通量（1.5 x 107细胞/ s）消耗血细胞来富集CTC，从而分离出高和低表达EpCAM的CTC。最近，由机器学习（ML）支持的基于图像的微流控设备，允许在无标签系统中识别肿瘤细胞。尽管在低通量下，集成额外的排序功能可以从样本中分离出单个CTC进行基因组或转录组分析。

单细胞分析和细胞异质性

单细胞测序方法揭示了癌症中的细胞异质性：测序技术的改进使单细胞水平的全基因组分析成为可能，从而可以提取前所未有的深度和分辨率的数据。进而能够对肿瘤异质性进行分析，也允许在大细胞图谱研究中发现和注释了以前未知的细胞类型(https://www.humancellatlas.org/;http://bis.zju.edu.cn/MCA/)。

单细胞数据分析的计算方法：分析高通量单细胞组学实验产生的大量数据需要专门的计算方法。scRNA-seq数据分析的一个核心组件是基因表达矩阵，它根据细胞条形码将每个基因的转录丰度分配给每个细胞。已经开发了特定的计算技术，如图2所述的scRNA-seq数据标准分析工作流程。

图2 分析单细胞数据的一般流程

探测细胞相互作用

虽然单细胞技术已经改变了我们对肿瘤复杂性的看法，但细胞与药物或其他细胞的相互作用为科学发现增加了一个全新的水平。确定细胞-药物相互作用对治疗方法的发明具有重要意义，而细胞-细胞相互作用的分析有助于我们更好地理解疾病机制并发现新的干预点。复杂微流控技术被用于分区两种不同的细胞，或者带有药物的细胞。该技术工具箱配有高度先进的计算工作流程，能够从批量和单细胞测序数据重建细胞-细胞相互作用。

分析肿瘤组织和三维模型

虽然复杂的肿瘤组织是理解肿瘤复杂性的最佳模型系统，但它的数量非常有限，特别是对于人类样本。这就是为什么微流控平台特别令人感兴趣，它能够以高通量生成标准化的3D肿瘤模型系统，以及以高度并行的方式排列和筛选它们的系统。该领域的其他使能技术包括空间转录组（ST）方法和高度先进的计算分析方法使用，包括能够提取对人类病理学家隐藏的分子信息的计算病理学算法。

总结

在过去的十年中，我们见证了在肿瘤学领域具有重要意义的各种颠覆性技术的发展。高度跨学科的方法提供了大规模的多组学数据集，包括复杂肿瘤的单细胞和空间信息。此外，已经建立了精细化的体外模型系统，可以更深入地了解疾病机制。如何利用这一点来改进诊断和新的治疗方法？哪些新方法可以转化为临床应用？最后，新方法如何改变我们对癌症的大图景？先进的微流体、NGS和计算方法的结合提供了大量的患者数据，形成了标准化的数据库，如TCGA。除了利用批量分析之外，大型单细胞数据库（如人类肿瘤图谱）还使用迁移学习策略将单细胞数据映射到参考数据中。这些努力的一个直接结果将是鉴定出可用于治疗和预后目的的新生物标记物，以及发现新药物靶点。后者也将得到基于复杂类器官、肿瘤球体等的实验支持，允许实时对人类癌症生物学进行成像、分析和扰动。

新的药物靶点可以转化为新的药物，使用更简单和更可扩展的分析系统，如微量滴度板或微流体液滴。除此之外，新技术的洪流也将对更加个性化产生重大影响疗法。一方面，越来越多的生物标志物可以通过相应的诊断试验来选择匹配药物并评估反应概率。另一方面，微流体方法和患者衍生模型系统也可用于以个性化的方式直接评估药物敏感性。然而，对患者材料的药物筛选是否成为标准的临床程序将主要取决于其与医疗保健系统要求的兼容性。它们必须变得标准化、廉价和足够快，以便在临床相关的时间窗口内为决策提供治疗建议——也就是在几天内而不是几个月内。新技术，特别是计算方法也以无法想象的方式增加了我们对肿瘤发生的知识。通过分析2658个肿瘤的测序数据，最近的一项研究设法得出了肿瘤的进化史，包括对事件发生时间的估计。结果表明，在癌症诊断前几年到几十年，一组有限基因中的驱动突变发生，而肿瘤发生的后期使驱动突变集多样化约四倍。一项补充研究表明，在某些癌症类型中，50%的发病率中，肿瘤发病也可以以单一的灾难性事件“染色体碎裂”（染色体破碎）为特征，在此期间染色体水平上发生大量重排。总之，这很好地说明了新的数据驱动技术是如何扩展甚至挑战经典癌症研究的核心教条。

其他相关方法和技术内容可以见参考文献[1]。

参考文献

[1] Kolmar L, Autour A, Ma X, Vergier B, Eduati F, Merten CA. Technological and computational advances driving high-throughput oncology. Trends Cell Biol. 2022;32(11):947-961. doi:10.1016/j.tcb.2022.04.008

以往推荐如下：

6. 因果学习工具：Causal Explorer和Causal Learner

7. 小样本学习

8. 样本异质性定量化

9. 生物标志物定义及其应用

10. 分子生物标志物数据库MarkerDB

11. 细胞标志物数据库CellMarker 2.0