高级别浆液性癌跨平台空间转录组学比较研究

《Laboratory Investigation》：Cross-Platform Comparative Spatial Transcriptomics in High-Grade Serous Carcinoma

高级别浆液性癌（HGSC）是一种具有显著异质性的肿瘤。本研究旨在直接比较两种空间转录组学平台——GeoMx数字空间分析仪（GeoMx）与Visium空间基因表达平台（Visium）——在转录组谱及具有生物学意义的分子特征方面的可重复性，研究对象为经人工智能定义的、与临床结局相关的肿瘤区域。研究人员将人工智能识别的肿瘤区域与Visium空间基因表达技术结合应用于福尔马林固定石蜡包埋（FFPE）的HGSC样本，已成功鉴定出与疾病结局相关的分子特征。在此基础上，研究人员对同一FFPE队列（n=16）应用GeoMx数字空间分析仪进行分析，以实现跨平台转录谱的直接比较。分析涵盖人工智能识别的区域，包括同一肿瘤内的高置信度（HC）区域与低置信度“背景肿瘤”（BG）区域。结果显示，两个平台共鉴定出8011个差异表达基因（DEGs），表现出强一致性（相关系数r=0.72，P=2.2×10-16），且包括TNF-α信号通路与p53通路在内的通路富集模式相似。与结局相关的感兴趣基因（GOIs）在HC与BG区域呈现特异性表达模式：JUN、ITGB8、KRT7及TACSTD2在短无进展间期（PFI-S）中富集，而PPIB、GSTP1及LPAR3则与长无进展间期（PFI-L）相关。此外，RNA原位杂交（RNA-ISH）验证了GeoMx鉴定的HC区域特异性标志物，检测到PFI-S肿瘤中NR1D2与TREX1表达升高，PFI-L肿瘤中H1-5与HMGB3表达升高，与GeoMx观察到的差异表达趋势一致。综上，研究结果表明HGSC的关键转录组特征在不同空间转录组技术间具有一致性，支持其转化应用价值。能够在两种不同平台上精确复现转录组谱，拓展了转化应用场景，并增强了对与HGSC结局相关的生物学重要分子特征的识别能力。

研究背景

高级别浆液性癌（HGSC）是侵袭性极强的妇科恶性肿瘤，以化疗耐药、高复发率及转移倾向为特征。肿瘤异质性是导致患者预后差及耐药的主要机制，表现为同一肿瘤内部及不同患者肿瘤之间的分子特征差异。空间转录组学（ST）技术的出现为解决肿瘤异质性、解析肿瘤细胞与微环境互作提供了有力工具。目前，GeoMx数字空间分析仪（GeoMx）与Visium空间基因表达平台（Visium）是两种主流的空间转录组技术，分别采用探针靶向捕获与全转录组捕获策略，已被广泛应用于多种癌症研究。然而，针对同一批临床样本，这两种平台在HGSC中的转录组检测结果是否具有可比性，尤其是能否稳定识别与临床结局相关的分子特征，尚缺乏系统性评估。此前研究人员已在Visium数据中利用人工智能（AI）模型识别出与HGSC患者铂类化疗后无进展间期（PFI）密切相关的肿瘤区域，但需在独立技术平台上验证其生物学真实性。

研究方法概述

研究人员使用来自赫尔辛基大学医院的16例III-IV期HGSC患者福尔马林固定石蜡包埋（FFPE）样本，所有患者均接受初次肿瘤细胞减灭术及铂类化疗，按PFI分为短无进展间期组（PFI-S，≤6个月，n=8）与长无进展间期组（PFI-L，≥18个月，n=8）。基于既往AI模型，从每个患者肿瘤中提取高置信度（HC）区域与背景肿瘤（BG）区域，构建组织芯片（TMA）。随后，对同一TMA分别进行GeoMx全转录组图谱分析与Visium空间基因表达测序。数据分析聚焦于上皮细胞区室，通过差异表达分析、通路富集分析及细胞类型反卷积，比较两平台结果的一致性，并利用RNA原位杂交（RNA-ISH）验证候选标志物。

研究结果

GeoMx与Visium的差异基因表达比较

在患者水平分析中，GeoMx鉴定出9517个差异表达基因（DEGs），Visium鉴定出12154个DEGs。两平台共有8011个重叠DEGs，占GeoMx DEGs的84%，占Visium DEGs的66%。这些重叠基因的log₂倍数变化（log₂FC）呈强正相关（Pearson r=0.72，P=2.2×10^-16）。尽管绝对log₂FC值在GeoMx中普遍低于Visium，反映了探针定量与归一化方法的平台特性差异，但整体趋势高度一致。在PFI-S与PFI-L各自前100个DEGs中，两平台共享30个基因，进一步证实生物学信号的稳定性。

GeoMx与Visium的感兴趣基因（GOIs）一致性

研究人员重点分析了既往Visium研究中发现的7个与结局相关的GOIs：PFI-S组的JUN、ITGB8、KRT7、TACSTD2与PFI-L组的PPIB、GSTP1、LPAR3。在GeoMx数据集中，这些基因的表达模式与患者结局的关联完全重现了Visium中的发现。仅使用HC区域进行比较时，两平台的log₂FC值仍保持高度一致。

GeoMx证实AI识别肿瘤区域的生物学相关性

t分布随机邻域嵌入（t-SNE）分析显示，同一患者的HC与BG区域转录谱明显分离。在HC区域，PFI-S组的GOIs平均表达量显著高于PFI-L组（813 vs. 360，P=0.005），而PFI-L组的GOIs在HC区域也显著高于PFI-S组（1761 vs. 1116，P=0.008）。相比之下，BG区域中两组GOIs表达量无显著差异。这表明AI模型识别的区域具有真实的分子特征差异。

GeoMx与Visium的细胞类型组成差异

细胞反卷积分析显示，GeoMx区域以上皮性卵巢癌细胞（EOC）为主（约占85%），免疫与基质细胞占比较低（分别为11.91%与3.09%）。Visium数据则呈现更异质的组成，EOC占52.98%，基质细胞占33.22%，免疫细胞占13.81%。这反映了GeoMx基于荧光标记的上皮细胞靶向捕获特性，以及Visium对肿瘤微环境的更全面覆盖。

GeoMx通路富集分析

过表征分析（ORA）显示，PFI-S患者样本中显著富集TNF-α信号通路、p53通路、炎症反应与同种异体移植排斥通路，其中JUN同时参与TNF-α与p53通路。基因集富集分析（GSEA）进一步证实，在HC区域中，IL6-JAK-STAT3信号通路、上皮间质转化（EMT）与TNF-α通过NF-κB信号通路显著上调，而细胞周期调控与DNA修复相关通路则呈下调趋势。

GeoMx HC区域特异性单基因表达及验证

研究人员筛选出仅在GeoMx HC区域中差异表达的候选基因，包括PFI-S组的NR1D2与TREX1，以及PFI-L组的H1-5与HMGB3。RNA原位杂交（RNA-ISH）验证了这些基因的表达趋势与GeoMx数据完全一致，证实其为可靠的HC区域特异性标志物。

讨论与结论

研究人员指出，尽管两平台在探针设计、归一化方法及空间分辨率上存在技术差异，导致log₂FC绝对值不同，但关键的生物学信号，包括与预后相关的差异基因、通路及AI区域分类，均在两平台间高度一致。JUN被确认为PFI-S中的核心驱动基因，可能通过调控DNA修复与非同源末端连接（NHEJ）促进化疗耐药。NR1D2与TREX1在PFI-S中的高表达，以及H1-5在PFI-L中的高表达，为HGSC预后提供了新的潜在分子标志物。研究也存在一定局限，如组织芯片采样可能无法完全代表肿瘤异质性，样本量较小限制了统计效力。未来研究应扩大样本量，并整合免疫与基质区室的跨平台比较。

综上所述，本研究首次在HGSC中对GeoMx与Visium两大空间转录组平台进行了系统性比较，证实了其转录组检测结果的强一致性，验证了AI识别肿瘤区域的生物学有效性。该成果为空间转录组技术在HGSC转化医学研究中的应用提供了关键技术依据，发表于《Laboratory Investigation》。