利用空间分析推动CAR-T细胞治疗在儿童实体瘤中的治疗方案开发

儿科癌症是一个迫切而重要的问题，需要高度精确的诊断和治疗方法，然而很多必要的工具尚未开发。大约60%的儿科癌症是实体瘤，这些癌症的预后很差，死亡率高达40%。尽管目前的治疗方法有化疗和放疗等，但复发仍可能发生，死亡率高达66%。

来自休斯顿德克萨斯儿童医院、贝勒医学院的儿科肿瘤学家David Steffin博士的团队专注于利用CAR-T细胞治疗方法治疗儿童实体瘤，他分享了他的团队如何实施CODEX来帮助他开发治疗儿童实体瘤的新疗法。

利用空间分析推动CAR-T细胞治疗的前沿

虽然在鉴别儿科癌症的组织学特征和确定遗传突变方面取得了显著进展，但肿瘤细胞与基质细胞和浸润性免疫细胞亚群的相互作用尚未得到广泛定义。在儿童食管癌中，免疫疗法已成为一个有吸引力的选择。这些疗法包括但不限于检查点抑制剂，单克隆抗体，疫苗，以及Steffin博士的工作重点，适应性细胞疗法，即CAR-T细胞治疗。

来自David Steffin博士演讲报告

免疫组织化学虽然对空间评估很有用，但每次只能检测一个或几个标记物，这使得串联评估组织的蛋白表达具有挑战性。另一方面，单细胞RNA测序有助于识别基因表达的变化，但不能提供细胞组织的信息。为了真正理解细胞混合的复杂性，Steffin博士和他的团队决定将空间环境作为解开癌症引发的许多复杂问题的关键因素。

空间生物学是对组织或细胞在其体内特定微环境的研究。当我们提到癌症时，这一点尤其重要，实体瘤很可能是高度不均一的。例如，单个活检、单个患者或患者之间的肿瘤之间可能存在差异性。除了细胞与细胞之间的相互作用外，了解不同患者之间癌症的差异，为研究特定的药物靶点创造了机会。

来自David Steffin博士演讲报告

CODEX如何提供帮助开始空间环境分析

Steffin博士所选择的CODEX技术，是一种超高多重成像技术, 它是建立在单细胞分辨率水平的单细胞技术，使免疫组织化学的空间信息具有更高的分辨率和实现更多的生物标志物。理论上它可实现无限数量的生物标记来识别更大的细胞亚群，并在相同的空间中描述总体的细胞相互作用。

基于预测生物标志物表达、免疫细胞定位和细胞邻域等信息，他们在实体瘤中探索新的免疫逃逸机制，最终目标是识别特定的治疗靶点。为此，他们比较了来自结节硬化和混合细胞性肿瘤的单个实体肿瘤组织样本，以评估每个肿瘤不同区域内相似细胞表型的分布。使用机器学习算法来描绘细胞大小和形状，然后使用聚类和分割算法来识别细胞相互作用。

来自David Steffin博士演讲报告

他们使用各种经过验证的抗体面板，通过CODEX技术生成超高多重图像来评估儿童淋巴瘤。将这些图像外推到XY平面上注释表型，并进行细胞间距离计算。还使用CODEX识别具有共同细胞结构的特定组织区域，并将这些区域与其他组织进行对比。

来自David Steffin博士演讲报告

通过使用样本表型输出和Pearson相关系数生成的热图，以无监督方式评估细胞移生和细胞相互作用。这种类型的分析使研究小组能够识别接近PD-L1+肿瘤细胞和成纤维细胞的衰竭T细胞。

来自David Steffin博士演讲报告

使用降维(上面包含UMAPs和TSNE图)可以注释特定组织中的区域，然后与其他组织样本进行对比。这些数据可以用来进行最近邻计算。在混合细胞性肿瘤的情况下，研究小组能够确定在PD-L1+细胞附近有较高比例的功能失调性T细胞，表明PD-L1阳性对这些类型的组织发挥免疫抑制作用。

来自David Steffin博士演讲报告

许多微环境因素抑制了实体肿瘤免疫治疗的效果，问题仍然是:我们如何确定哪些抑制因素存在，以便我们可以做出更好的治疗。使用CODEX，我们可以圈定具有不同表型的单个细胞中CAR-T细胞的存在和功能。

Steffin博士的团队通过使用CODEX技术来帮助开发CAR-T细胞治疗儿童实体瘤的新疗法。

观看由Steffin博士带来的《CAR-T细胞治疗前沿：实体瘤中的空间分析》的网络讲座，获得更多应用细节。
 

扫码观看完整视频了解以上应用更多细节