Spatial Clonal Architecture of Cancer

QC 2026-09-15

Abstract

Cancer är en av de vanligaste dödsorsakerna i världen och antalet nya fall väntas fortsätta öka de kommande åren. Det finns därför ett akut behov av att tillförlitligt kunna upptäcka cancer och, kanske ännu viktigare, tillförlitligt kunna förutse vilka av dem som upptäcks som faktiskt kommer att orsaka skada. Prostatacancer är ett perfekt exempel på just detta. Sjukdomen diagnostiseras mycket oftare än den faktiskt dödar eller ens orsakar problem, och det som är avgörande är egentligen inte om cancer finns utan om någon klon faktiskt kan lämna organet. Behandlingen avgörs i dag utifrån en morfologisk tumörgrad av en biopsi, ett medelvärde taget över vävnad som oftast innehåller tumör av mer än en grad och även normal vävnad. Det är en mätning och ett medelvärde över en vävnadsbit som oftast rymmer mycket heterogenitet. Spatial transkriptomik mäter genuttryck i många små regioner över ett vävnadssnitt utan att dissociera det, vilket gör att den enhet som mäts blir betydligt mindre. Varje mätning behåller positionsinformationen, det vill säga var varje mätning kommer ifrån, och från genuttrycket kan kopietal härledas och celltillstånd identifieras.

Med den spatiala informationen som utgångspunkt undersöker denna avhandling tumörer på framför allt två sätt: cancercellerna själva och mikromiljön runt dem. Cancercellerna studeras först genom att härleda kopietalsförändringar över vävnadssnitten. Spatiala regioner grupperades sedan till kloner som sedan organiserades i fylogenetiska träd. Kopietalsförändringar identifierades i epitel som två patologer oberoende av varandra bedömt som normal vävnad. Utöver den förändrade normala vävnaden stämde ofta inte klonernas gruppering överens med de histologiska grupperingarna, där områden med samma Gleason-mönster uppvisade olika klonalitet.

Vilket verktyg som används för härledningen av kopietalsförändringar kan påverka resultatet dramatiskt. Eftersom det inte fanns någon systematisk jämförelse så jämförde vi ett stort antal verktyg och utvärderade deras förmåga på simulerade tumörer med kända förändringar och positioner och även på experimentella vävnadssnitt. Inget verktyg presterade genomgående bäst över alla test, och det visade sig att härleda en korrekt profil och att gruppera regionerna korrekt var två separata problem. Den systematiska jämförelsen talade således om för oss vilket verktyg som passar vilken uppgift, istället för att direkt avgöra vilken som var bäst. Vi tillämpade det verktyg som var bäst på att härleda kopietalsprofiler korrekt på tio män med högrisksjukdom och lymfkörtelmetastaser. Den diagnostiska biopsin, ett axialt snitt av prostatan och de cancerdrabbade lymfkörtlarna profilerades och klonträd som spände över alla tre kategorierna skapades. Genom detta identifierades några av de kloner som metastaserade. Ingen transkriptionell signatur skilde dock dessa metastaserande kloner från de övriga genomgående över alla patienterna, och de skillnader som framträdde var huvudsakligen patientspecifika. Några av dessa män, som vid den initiala stadieindelningen bedömdes sakna påvisbar spridning och på den grunden fick radikal behandling, utvecklade ändå skelettmetastaser så småningom.

Studerandet av tumörens omgivning underlättas av att kunna identifiera vilka celltyper som de spatiala regionerna består av. Det informerar oss om hur dessa celltyper är fördelade i vävnaden och hjälper oss dessutom att välja ut de regioner som i huvudsak består av epitelceller, vilka är de områden som används för att härleda kopietalsförändringar. Hur väl celltyper kan identifieras från spatiala data beror dock i hög grad på vilken referens som används. I vårt arbete genererade vi denna referens på två sätt. Den ena är en generell encells- och spatial referens för hormonbehandlingsnaiv lokaliserad prostatacancer, som bland annat identifierade flera epiteltillstånd och fibroblastfenotyper. Den andra genererar en referens från exakt det snitt som det spatiala experimentet utfördes på, genom att utvinna enskilda cellkärnor. Detta genererade den närmaste möjliga matchningen, och celltypsuppskattningarna med denna referens stämde bättre överens med den underliggande vävnaden än de som erhölls med en allmänt tillgänglig atlas.

Utöver våra fynd kommer de prostatadataset som genererats att bli värdefulla resurser framöver: encells- och spatiala datasetet för att studera lokaliserad sjukdom, och den diagnostiska biopsin, ett axialt snitt av prostatan och de tillhörande lymfkörtlarna med cancer från samma tio män, med varje enskild region graderad, för att studera metastaserad sjukdom. Man har idag lyckats studera cancer spatialt i två dimensioner, vid en enda tidpunkt. Den tredje dimensionen är redan på horisonten och den tidsmässiga dimensionen är förhoppningsvis inte så långt borta.

Link to DiVA