腫瘤生物學 · global
T細胞為何進不了腫瘤?SPACER從組織空間尋找黏蛋白線索
分析37組空間轉錄體資料後,研究團隊發現黏蛋白與T細胞排斥、較差的免疫治療反應相連。這套可解釋AI提供了可供驗證的生物學線索,距離臨床決策仍有一步。
免疫細胞出現在腫瘤附近,卻未必能深入其中。對癌症免疫治療而言,這段距離可能相當關鍵。MD Anderson癌症中心領銜的研究,以人工智慧工具SPACER分析組織內的基因活動與細胞位置,尋找哪些局部訊號與T細胞聚集有關,又有哪些特徵伴隨它們被排除在外。
這項發表於《Nature Biomedical Engineering》的研究,運用37組空間轉錄體資料。這類技術能在保留組織位置資訊的同時,讀取基因表現;SPACER則把相鄰細胞放在一起分析,讓研究者追查模型判斷所依據的局部線索。
據院方10月13日發布的說明,SPACER在辨識具生物意義的細胞招募訊號之基準測試中,表現達既有方法的4至21倍。這個數字描述的是研究任務中的比較結果,不能解讀為診斷準確度或治療效果提升相同幅度。
模型找出的線索,一端是抗原呈現:與展示蛋白質片段、供免疫細胞辨識相關的基因表現,伴隨較多T細胞聚集;另一端則是黏蛋白。研究在黑色素瘤與胃癌資料中發現,較高的黏蛋白水平與較差的免疫檢查點抑制劑反應及患者預後相關,支持進一步檢驗這類富含糖鏈的蛋白質是否構成阻擋T細胞的屏障。
不過,空間上的關聯尚不足以證明因果。若要把黏蛋白發展為治療標的,仍須確認干預它能否改變T細胞進入腫瘤的情形;若要用作生物標記,也需要獨立患者資料驗證。現有發布內容未報告SPACER已帶來臨床效益。
資料取得也是評估結果能否重現的一環。Zenodo收錄了與研究同名的資料集,標示於7月31日發布、版本為v1,並列MD Anderson的Yunhe Liu為資料收集者。紀錄可公開查閱,檔案卻受限;外部研究者無法單憑該頁面取得資料,也因此難以直接據此完整重跑分析。從組織圖像提出假說,到證實能改善患者治療,仍需要後續實驗與臨床驗證銜接。