理解牛津经典预后模型在高级别浆液性卵巢癌中的空间决定因素

《Communications Medicine》：Understanding the spatial determinants of the Oxford Classic prognostic signature for high-grade serous ovarian cancer

摘要

背景

“Oxford Classic”（OxC）预测模型将高级别浆液性卵巢癌（HGSOC）分为五种转录程序，其中上皮-间充质转化（EMT）标志着较差的预后。尽管该模型在批量转录组学分析中取得了成功，但这些程序在肿瘤微环境中的空间组织结构尚未得到研究。

方法

我们开发了一种基于预测模型的零膨胀贝叶斯变分自编码器（Sig-ZIB-VAE），这是一种专为空间转录组学数据设计的深度学习去卷积方法，并将其应用于包含94个肿瘤的大规模HGSOC队列中，以量化细胞的空间组织结构。通过整合临床、分子和空间特征，使用惩罚性Cox比例风险回归来评估预测意义。

结果

研究发现，EMT细胞形成密集的同型细胞簇，这些细胞簇几乎完全脱离了基质和免疫细胞的邻域，但在簇边界处仍保持与单核细胞的选择性共定位。EMT特征显著的肿瘤表现出增强的空间重组，表现为更高的聚集度和连通性，形成了局部富集的间充质区域。生存分析证实，EMT高表达状态是一个不良的预后因素。

结论

关键在于，免疫细胞的空间组织指标——尤其是单核细胞的连通性和聚集性——比单纯的EMT比例具有更强的预后区分能力，这表明在HGSOC中，肿瘤微环境结构比细胞组成更能决定临床结果。