布拉德利伯恩斯坦在哈佛大学路德维希中心领导的研究小组创建了一个详细的细胞状态图谱

导读由布拉德利伯恩斯坦在哈佛大学路德维希中心领导的研究小组利用单细胞技术和机器学习为急性髓细胞白血病(AML)创建了一个详细的细胞状态图谱...

由布拉德利伯恩斯坦在哈佛大学路德维希中心领导的研究小组利用单细胞技术和机器学习为急性髓细胞白血病(AML)创建了一个详细的“细胞状态图谱”,可以帮助改善对侵袭性癌症的治疗。

AML的特征在于骨髓和血液中白细胞的积累。众所周知,这种疾病难以研究,因为AML患者的骨髓含有多种正常和恶性细胞类型。这包括具有干细胞样特性的未分化的原始癌细胞和以不同方式影响肿瘤环境的分化的成熟癌细胞。AML细胞也不断获得DNA突变,分支成相关“亚克隆”的谱系。

“自20世纪60年代以来,我们已经以定性的方式知道AML肿瘤是细胞的异质混合物,”该论文的主要合着者和马萨诸塞州综合医院伯恩斯坦实验室的博士后研究员Peter van Galen说。“现在,我们有一种非常有量的方法来确定这些肿瘤中存在的不同细胞类型。”

在这项新研究中,将于2月28日在线发表在Cell上,伯恩斯坦及其同事,包括路德维希哈佛研究员Jon Aster和Andrew Lane,结合尖端技术 - 单细胞RNA(scRNA)测序, - 读取纳米孔DNA测序和机器学习 - 区分正常细胞和癌细胞,并根据它们的DNA序列和基因表达相似性组织它们。

“该项目是一项跨学科的工作,将麻省理工学院和布罗德研究所的工程师与马萨诸塞州综合医院,达纳法伯癌症研究所和布莱根妇女医院的癌症研究人员和肿瘤学家联系起来,”哈佛大学路德维希中心的伯恩斯坦说。医学院和马萨诸塞州综合医院。

伯恩斯坦补充说:“如果没有路德维希导演为开始储存白血病样本而付出的努力,我们就不可能做到这一点。”

scRNA测序捕获细胞整个转录组的快照 - 即在给定时刻存在于细胞中的所有mRNA分子。这使研究人员能够将细胞群分解成不同的类型并跟踪细胞谱系的进化。该团队采用了一种新的scRNA测序方法来捕获从16名AML患者和5名健康捐献者中收集的近40,000个骨髓细胞的完整转录组。

“这是第一次以高通量方式完成这项工作,”研究共同第一作者,伯恩斯坦实验室的博士后研究员沃尔克霍夫斯塔特说。“我们不仅仅能分析几百个单细胞,而是能够成千上万。”

但AML细胞的基因表达谱可能与正常细胞的基因表达谱相似。为了应对这一挑战,该团队对骨髓细胞进行了单细胞基因分型,筛选了一组已知的AML遗传标记,以挑选出癌症。“要真正指出这一点,我们必须采用第三代DNA测序技术,称为长读纳米孔测序,它可以增强基因组中突变的检测,”van Galen说。

长读序列扫描更长的DNA片段,增加捕获基因中积累的所有突变的几率。它使研究人员能够更有效地识别不同突变细胞(称为亚克隆)的后代,这些细胞可以不同地影响癌症的生长速度,转移潜能和对治疗的反应。

最后,研究人员采用机器学习算法将scRNA测序和基因分型数据结合在一起。最终结果是不同AML细胞类型的图谱或“图谱”以及它们在骨髓环境中共存的正常血细胞类型。

该地图集使研究人员不仅可以一目了然地看到哪些细胞是癌细胞,还可以看到它们的状态 - 原始的,分化的或分化的过程。由于肿瘤样本是在不同时间点从患者处收集的,研究人员还可以比较个体间AML肿瘤的发育等级,并跟踪这些等级从首次诊断到治疗和结果的演变。

研究人员表明,AML细胞的转录程序受到异常调控。“在正常细胞中,发育分阶段进行。你从细胞类型X到细胞类型Y,”伯恩斯坦说。“这些白血病细胞共表达来自不同阶段的基因组织。”

研究人员还在一名AML患者中发现了多个亚克隆人群。“在至少一个案例中,这两个亚克隆表现完全不同,并且具有不同的基因表达谱,”伯恩斯坦说。“一个亚克隆主要是分化,而另一个亚克隆处于高度攻击状态,而侵袭性亚克隆的突变与患者预后不良一致。”

这些发现也可以解释为什么利用免疫系统T细胞靶向肿瘤的疗法对抗AML的成功率相对较低。研究人员发现了一类细胞,其行为类似于已知可抑制抗癌免疫反应的白细胞。

“你可能会认为这些是正常细胞,但当你看到它们的基因型时,你会发现它们含有白血病突变,”伯恩斯坦说。“这些是肿瘤产生的细胞,可以抑制免疫系统。它是肿瘤的适应性生存机制。”

研究人员指出,他们的研究结果应该有助于开发用于治疗AML的免疫疗法和精准医学的新策略。

免责声明:本文由用户上传,如有侵权请联系删除!