结合CyTOFmerge的质量细胞测量数据,揭示了异质卵巢癌瘤微环境中的额外细胞表型:试点研究
Liv Cecilie Vestrheim Thomsen1,2,3, Katrin Kleinmanns1, Shamundeeswari Anandan1,2
1Centre for Cancer Biomarkers CCBIO, Department of Clinical Science, University of Bergen, 5021 Bergen, Norway.
Cancers
|October 28, 2023
概括
合并的质量细胞测量数据改善了高度血清性卵巢癌 (HGSOC) 的瘤微环境 (TME) 特性. 这种方法揭示了新的细胞子集和标记表达,有助于理解HGSOC生物学,并开发可预测的生物标记物,以便更好地治疗.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物技术是生物技术.
背景情况:
- 高度血清性卵巢癌 (HGSOC) 的预后不佳,并由异质瘤微环境 (TME) 复杂化.
- 由于TME复杂性影响瘤进展和治疗反应,为HGSOC选择有效的治疗具有挑战性.
- 需要多维方法来全面地绘制TME并识别不同的细胞群.
研究的目的:
- 探索将质细胞测量数据集结合起来,在HGSOC中增强TME表型的潜力.
- 为了改善HGSOC瘤中细胞异质性的表征.
- 在HGSOC TME中识别新的细胞子集和标记组合.
主要方法:
- 质量细胞测量被用来分析十个化疗前的HGSOC瘤的单细胞悬浮体.
- 两个数据集 (35标记泛瘤和34标记泛免疫) 被单独分析并使用CyTOFmerge MATLAB算法组合.
- 18个共享标记被合并,以整合数据集进行全面的TME分析.
主要成果:
- 合并分析证实了HGSOC患者中显著的TME异质性.
- 除了在泛瘤小组分析中发现的,还确定了额外的主要瘤细胞子集.
- 观察到瘤和树皮细胞上免疫细胞标记物的新型表达模式,包括很少检查的标记物组合.
结论:
- 合并质量细胞测量数据集为HGSOC中详细的TME表型化提供了一个强大的策略.
- 这种方法可以产生关于HGSOC瘤生物学的新假设.
- 这些发现支持开发新的预测生物标志物的潜力,以提高HGSOC治疗的有效性.


