代表性肿瘤细胞系模型的筛选思路

这篇文章是 Allison Warren 于 2021 发表的文章,处理了一个重要的生物信息学问题,即如何将细胞系与其来源肿瘤组织进行匹配,并评估细胞系对相应肿瘤的代表性。作者借鉴了单细胞 RNA-seq 中常用于跨数据集匹配细胞类型的数据处理方法,并在基因表达层取得了良好的效果。通讯作者 James M. McFarland 之前在 Broad 研究所工作,目前担任 Generate Biomedicines 公司数据科学总监。
Recursion 在 2026 年的 AACR 有一个类似的工作,其主要的思路就参考的这篇文章,因此仔细学习一下

1 摘要
1、肿瘤和细胞系转录谱的直接比较受到多种因素影响,包括肿瘤样本中正常细胞含量的差异
2、文章开发了一种无监督比对方法(Celligner),并将其应用于整合大规模细胞系和肿瘤 RNA 数据集。文章的方法能够将大多数细胞系与同类型癌症的肿瘤样本进行比对,但也揭示了不同细胞系之间肿瘤相似性的巨大差异
3、文章鉴定出数百个来自不同谱系的细胞系,这些细胞系呈现出 mesenchymal 和未分化的转录状态,并表现出独特的化学和遗传依赖性。Celligner 可用于指导筛选更接近患者肿瘤的细胞系,并促进细胞中获得的见解向临床转化
2 引言
1、细胞系体外培养数十年会造成基因组不稳定,可能导致细胞系模型与肿瘤之间存在系统性差异。此外,许多细胞系模型缺乏详细的临床注释
2、来自肿瘤活检样本的基因表达测量会受到基质细胞和免疫细胞群的干扰,这些细胞群在细胞系中并不存在,它们通常构成每个样本细胞组成的相当一部分。这些污染细胞的存在不仅会因其自身的基因表达损害表达谱,还会向肿瘤细胞发送信号,最终影响肿瘤细胞内的基因表达
3、现有的去除污染细胞影响的方法通常需要预先详细了解每种污染细胞类型的表达谱。更通用的批次效应校正方法通常需要预先存在亚型注释,或者假设细胞系和肿瘤数据集具有相同的亚型组成
4、文章开发了 Celligner,一种对大规模肿瘤和细胞系基因表达数据集进行无监督全局比对的方法。它利用了近期开发的用于单细胞 RNA-Seq 数据批量校正和高维数据差异比较的计算方法,以识别并消除肿瘤和细胞系之间的系统差异,从而实现对它们转录谱的直接比较
3 结果
3.1 肿瘤和细胞系转录谱的比对
1、文章首先整合了几个大型 RNA-Seq 基因表达数据集,并进行了联合降维分析。数据集为:CCLE 细胞系样本、TCGA 肿瘤样本、TARGET 儿童肿瘤样本、Treehouse 儿童肿瘤样本
2、尽管所有数据集均采用一致的计算流程进行处理,但分析结果显示细胞系和肿瘤样本之间存在明显的分离(Fig1a),并且这种分离无法通过简单的归一化或者批次校正方法来解决(COMBAT方法,FigS1a)

3、细胞系和肿瘤表达谱的比对存在以下几个挑战:(1)肿瘤样本的纯度差异大,而且污染的正常细胞的转录效应无法被单一特征捕获;(2)数据集中疾病亚型会极大地干扰肿瘤和细胞系表达分布的全局比对;(3)体内外条件的差异以及技术误差
4、文章开发了一种多步骤比对流程(Fig1b),应对上面的挑战。为了识别表征肿瘤样本中正常细胞污染重复模式的基因表达特征,文章使用了对比主成分分析 (contrastive principal component analysis,cPCA);cPCA 识别出了在肿瘤样本中方差显著高于细胞系的基因表达特征(Fig1c);对这些肿瘤特异性特征进行基因集富集(GSEA)分析发现,免疫通路显著富集(Fig1e),表明 cPCA 能够识别不同的污染免疫细胞群;此外,第二个肿瘤特异性 cPC 的表达与基于肿瘤纯度估计值显著相关(Fig1d);文章从两个数据集中移除了前四个肿瘤特异性特征
注:cPCA寻找的是哪些“基因组合”在肿瘤样本之间变化很大,但在细胞系之间变化很小。Celligner 认为这部分额外变化,很多来自肿瘤纯度、免疫细胞和基质细胞混入。先把它们识别并去除,再比较肿瘤与细胞系会更合理
5、尽管 cPCA 能够消除肿瘤/细胞系主要系统性差异,但它本身并不能完全对齐数据集(FigS3),因为它没有考虑到特定肿瘤亚型和细胞谱系之间的一致性差异。作为对齐的第二阶段,文章利用基于互近邻 (mutual nearest neighbors ,MNN)的批次效应校正算法来消除数据集之间剩余的系统差异。这些校正向量平均显示,与 MNN 匹配的细胞系相比,肿瘤中免疫相关基因的表达增加,而细胞周期基因的表达降低(FigS3)
注:MNN的作用是在肿瘤和细胞系两个数据集中,寻找彼此都认为对方最相似的样本对,把它们作为锚点,估计两个数据集之间的局部偏移,再把肿瘤数据校正到细胞系参考空间



6、文章应用这两种比对方法(cPCA+MNN,这里称之为 Celligner)生成了一个整合的细胞系和肿瘤基因表达谱数据集。使用 Celligner 比对后的数据集创建二维 UMAP 图,揭示了一副癌症转录谱图,其中细胞系和肿瘤样本基本混合在一起,同时仍然保留了已知肿瘤类型之间的明显差异(Fig2)。尽管 Celligner 完全是无监督的,但比对后的肿瘤和细胞系表达谱在很大程度上按疾病类型聚类在一起

3.2 对齐保留了有意义的子类型关系
1、文章对每个细胞系最相似的肿瘤类型进行分类来量化这一点,分类依据是其在肿瘤样本中的最近邻。文章发现,对于两个数据集中都存在的疾病类型,这些推断的肿瘤类型与注释的细胞系疾病类型匹配的概率为 57%,而未校正的数据中匹配的概率为 49%(Fig3a); Celligner 校正还提高了同类型肿瘤和细胞系表达谱的测量相似性(Fig3b)
2、可以利用 Celligner 比对后的表达数据来识别哪些癌症类型在细胞系和原发肿瘤之间具有良好的一致性,哪些则不然。大部分的细胞系与同类型癌症的肿瘤聚集在一起,但是有一些例外。例如,许多软组织、皮肤癌和乳腺癌细胞系一致性较好,但中枢神经系统和甲状腺细胞系与肿瘤样本的比对始终较差(Fig3ab)

3、Celligner 也倾向于将相同亚型的肿瘤和细胞系样本归为一类(Fig4),并且 Celligner 不会强制所有样本与另一个数据集中的样本保持一致,它允许仅存在于其中一个数据集中的亚群

3.3 Celligner 可提高肿瘤细胞系相似性评估的准确性
1、Celligner 与两种先前发表的测量细胞系和肿瘤转录相似的方法进行了比较,分别是Yu等人批次效应结合肿瘤纯度校正的方法,以及 CancerCellNet 使用基于肿瘤转录谱训练的机器模型预测每个细胞系最可能的肿瘤类型方法
2、基于 Celligner 的分类准确性为 50%一致,Yu 为38%;匹配队列估值,Celligner 为 49%,CancerCellNet 为 37%
3.4 细胞系和肿瘤数据集之间的信息传递
1、与单独分析细胞系数据集相比,对 Celligner 比对后的数据集进行聚类分析,发现细胞系中存在更多更明显的聚类。这种差异在代表性细胞系较少的癌症类型中最为显著
2、文章还尝试探究了整合肿瘤和细胞系数据是否有助于解决缺失或可能错误的(亚)类型注释问题。4个未被注释为黑色素瘤的样本的细胞系却与黑色素瘤聚类在一起,这表明一些注释可能准确的描述了活检部位,但并未描述原发组织
3.5 一组转录和功能上不同的细胞系
某些癌症类型(例如甲状腺癌和中枢神经系统癌)的细胞系模型未能重现其各自癌症类型原发肿瘤所表现出的疾病特异性转录模式

4 讨论
1、甲状腺和中枢神经系统(CNS)细胞系中,基因表达谱与相应原发肿瘤样本一致的细胞系却很少。文献表明,在含血清培养基中培养的 CNS 细胞系往往会丧失分化能力,并且基因表达谱与原发肿瘤不同
2、CELLector 利用基因组改变来识别最能代表特定疾病亚型的细胞系。文章将 Celligner 生成的肿瘤/细胞系相似性估值与基于 1250 个精心整理的拷贝数、甲基化和突变特征的估值进行比较,发现两者差异很大,尽管两种方法在对细胞系肿瘤类型进行分类时都获得了相似的准确率。转录组和基因组相似性评估可能反映了生物学的不同方面,并可能提供互补信息
3、文章之前在 depmap 官网整合了 Celligner 交互式的 Web 应用程序(现在已经不可用)。该工具能够帮助用户识别最能代表特定肿瘤类型甚至特定肿瘤样本转录特征的细胞系模型
5 参考文献
Warren, A., Chen, Y., Jones, A. et al. Global computational alignment of tumor and cell line transcriptional profiles. Nat Commun 12, 22 (2021).
内容来自 简书首页,版权归原作者所有。
阅读原文 ↗