Мультимодальное секвенирование позволяет получить высококачественные результаты при небольших объемах замороженных образцов опухоли

Исследователи из Columbia Engineering и Медицинского центра Ирвинга при Колумбийском университете изобрели новый метод секвенирования РНК, позволяющий получать высококачественные результаты из небольших объемов замороженных образцов опухолей. Они продемонстрировали успех своей техники в двух клинических исследованиях, в ходе которых были профилированы десятки образцов опухолей, как архивных, так и недавно собранных, чтобы понять, как они реагируют на противоопухолевую терапию. Статья была опубликована 9 января 2023 года издательством Nature Genetics.

Использование секвенирования РНК для измерения экспрессии генов при разрешении отдельных клеток стало одним из самых революционных инструментов для изучения раковых тканей за последнее десятилетие. Изучая РНК отдельных клеток, исследователи могут лучше понять разнообразие клеток в опухоли, а также то, как эти опухолевые клетки растут и взаимодействуют с иммунными клетками. Это важные факторы для понимания признаков прогрессирования рака и резистентности рака к терапии — и то, и другое имеет ключевое значение для разработки новых методов лечения рака.

Основным препятствием для широкого внедрения секвенирования одноклеточной РНК в традиционные клинические рабочие процессы был объем необходимой свежей ткани — значительно больший, чем тот, который обычно собирается для клинических целей. А потребность в свежих тканях означает, что образцы должны быть немедленно проанализированы после их сбора. Эти требования значительно ограничили научные анализы, которые можно проводить на образцах пациентов.

Успешная новая техника

Сосредоточившись на преодолении этих барьеров, команда Колумбийского университета создала новый метод секвенирования, который дал наилучшие результаты на небольшом количестве замороженных образцов опухоли. Обычно собираемые во время клинических испытаний и хранящиеся в биобанках, эти образцы могут включать ткани от редких видов рака и пациентов с уникальным анамнезом или факторами риска. Способность нового метода секвенировать эти типы образцов значительно увеличивает количество и разнообразие образцов опухолей, доступных для научного анализа.

«Мы очень взволнованы этой работой и ее потенциалом», — сказал Эльхам Азизи, доцент кафедры биомедицинской инженерии и доцент Герберта и Флоренс Ирвинг по исследованию данных о раке в Ирвингском институте динамики рака, который руководил этим исследованием вместе с Бенджамином Изаром. , доцент медицины в Комплексном онкологическом центре Герберта Ирвинга.

«Возможность работать с замороженными образцами открывает двери для межучрежденческого сотрудничества, которое будет способствовать открытию биомаркеров и мишеней для лекарств. Это также дает нам возможность применять передовые вычислительные методы для анализа и интеграции открытых клинических данных. ", - пояснил Азизи.

Изар добавил: «А поскольку для нашего метода требуется лишь незначительное количество ткани, оставшуюся часть образца можно использовать для дополнительных исследований. Это действительно беспроигрышный вариант для исследователей, клиницистов и, что наиболее важно, для наших пациентов».

Результаты исследования расширяют понимание прогрессирования рака

Новое исследование под руководством Ипина Вана, Джой Фан и Йоханнеса Мелмса, стажеров в лабораториях Изара и Азизи, дало результаты секвенирования РНК в одиночных клетках, секвенирования Т-клеточных рецепторов в одиночных клетках, секвенирования всего генома и пространственного секвенирования РНК. (новаторский метод секвенирования РНК, который сохраняет архитектуру опухоли in situ) — все они выполняются на одних и тех же образцах.

Имея возможность объединить несколько модальностей данных о раке, исследователи предоставили всестороннее представление о генетических изменениях, клеточных функциях, динамике иммунных клеток и пространственной локализации клеток в контексте ткани пациента. Эти улучшения значительно расширили их понимание механизмов прогрессирования рака и резистентности.

В настоящее время команда применяет свои новые экспериментальные и вычислительные методы для анализа более крупных клинических когорт. Эти данные позволяют им лучше изучать прогрессирование заболевания и изучать влияние терапии в клинических испытаниях при меланоме, а также при других видах рака.

ECHIDNA, новый вычислительный инструмент

Параллельно исследователи также разрабатывают инновационный вычислительный инструмент для систематического интегративного анализа данных всего генома и секвенирования РНК одной клетки под названием ECHIDNA. Они ожидают, что этот алгоритм машинного обучения станет ключевым для понимания взаимосвязи между генетическими изменениями (генотипом) и клеточной функцией (фенотипом) в опухолевых клетках, и будут применять его к большей группе пациентов с меланомой, чтобы охарактеризовать различные механизмы устойчивости к лечению. Будущая работа также будет включать создание новых вычислительных методов для интеграции этих данных в пространственном контексте гистологического среза, чтобы охарактеризовать пространственную динамику взаимодействий опухолевых и иммунных клеток.

Изар отметил: «Помимо понимания раковой ткани, наш метод также позволяет изучать тканевую реакцию и тканевую иммунологию при других заболеваниях. В прошлом мы использовали более раннюю версию представленного здесь метода для изучения тканевой реакции на летальную инфекцию COVID-19. через несколько