同样是乳腺癌，肿瘤细胞周围的免疫细胞和间质细胞可能截然不同。这些细胞不仅有数量差异，还会形成不同的组织格局。已有单细胞与空间图谱显示，乳腺肿瘤内部存在多种细胞状态及其空间组合[1]。因此，只看整块组织的平均表达，很有可能漏掉与病情和治疗有关的局部信息。

空间转录组能够把基因表达映射回组织空间位置，却因为高昂的成本，难以覆盖大规模临床队列。临床中更常见的常规苏木精—伊红染色（H&E）切片，则保留了细胞形态和组织结构信息。如果能从这些图像中估计空间分子信息，既往积累的病理资料便有机会成为寻找标志物的资源。不过该技术的难点在于，形态与表达并非一一对应，模型必须经受外部数据检验。

近日，Cell 发表的一项研究提出了人工智能模型Path2Space，为解决这一问题提供了一种策略。该模型从乳腺癌H&E病理图像中预测空间基因表达，并据此解析肿瘤微环境的细胞组成，评估患者预后与治疗反应[2]。该研究的核心亮点在于，从常规病理图像中推断的局部表达差异与微环境格局，可提供整体平均表达难以充分反映的预后和疗效相关信息。

对此内容感兴趣？免费获取1V1定制方案设计，已为超过500家医院及科研单位提供技术支持服务

一、研究设计

该研究以乳腺癌H&E图像与空间转录组数据中的56,567个配对点为基础开发模型，采用留一患者交叉验证评估内部预测性能；经质量控制后，内部分析纳入14名患者的22张组织切片，并在三个独立空间转录组队列中开展外部验证。随后，研究团队将模型应用于TCGA的976名乳腺癌患者，探索与预后相关的空间特征，并在独立的METABRIC队列中验证；同时，在四个治疗队列中评估空间特征与治疗反应的关联（图1）。

图1. 实验项目研究流程

二、主要结果

1、病理图像能预测数千个基因的空间表达

Path2Space将局部病理图像特征转换为14,068个基因的表达估计。其中，4,807个基因在按患者开展的内部交叉验证和外部验证汇总分析中，预测值与实测值的相关系数均超过0.4。内部交叉验证的基因相关系数中位数为0.38，在HEST、Martinez和HTAN三个外部队列中分别为0.40、0.36和0.33。需要注意，这些结果均基于邻域平滑后的预测值与实测值，反映的是局部区域表达趋势的一致性，不能直接视为未经平滑的原始点位预测精度。

这些预测较可靠的基因包括ERBB2（HER2）、CHEK2和CDH1等乳腺癌相关基因，并显著富集于多类肿瘤标志性生物学过程。三个外部队列经质量控制后分别纳入4、4和7名患者。尽管模型仅使用新鲜冷冻组织训练，其在外部验证中新鲜冷冻与福尔马林固定石蜡包埋组织上的预测表现未见显著差异。此外，基因的可预测性与其检出率密切相关；预测表现低于预期的基因则富集于分泌及细胞外成分相关类别，图像清晰度和H&E染色强度也与预测表现相关（图2）。

图2. 基因预测在外部队列中保持相关性

在与同类方法的比较中，研究团队统一以未经平滑的实测表达作为评价参照。结果显示，Path2Space在Visium数据的高变基因评测及扩展至14,068个基因的比较中，均取得最高的相关系数中位数。不过，其优势并非在所有数据平台上均一致：在较早的非Visium空间转录组数据集上，Path2Space排名第二，与排名第一的EGNv2相比差异无统计学意义（图3）。

图3. 统一评价条件下的空间表达预测方法比较

2、预测信息反映细胞组成及同类细胞区域的差异

为检验Path2Space是否仅依赖细胞类型差异预测基因表达，研究团队首先利用病理专家标注的区域进行核查，发现癌细胞、淋巴细胞和间质细胞富集区域中，相应标记基因的预测表达均更高。进一步基于预测表达训练有监督模型，估计这三类细胞的比例，交叉验证中与病理标注的相关系数分别达到0.80、0.80和0.60。在两张独立的HEST切片上，其对癌细胞和间质细胞的分类表现接近基于实测空间转录组的方法，对淋巴细胞的分类表现则更优。

在限定细胞类型的区域内，Path2Space仍能捕捉部分基因表达差异：癌细胞、间质细胞和淋巴细胞区域中，预测值与实测值的相关系数中位数分别为0.39、0.30和0.27，且非标记基因同样具有预测信号。这些结果支持模型能够捕捉超出细胞类型差异的表达信息。不过，这种区域尺度的预测尚不能等同于对单个细胞状态的精确解析，对低丰度细胞群的识别能力也仍有限（图4）。

图4. 细胞组成与同类细胞区域内的表达差异均可部分推断

3、三类空间格局对应不同的预后

研究团队根据TCGA切片中的预测表达识别出11类空间转录组簇，再依据各类区域在每个肿瘤中的占比进行患者分组。最优聚类得到五组，其中覆盖约98%患者的三个主要组被命名为SpatioTypes，分别为增殖富集型、免疫调节型和免疫不活跃型。这些分型呈现不同的增殖及免疫相关表达特征。

三种SpatioTypes与无病生存显著相关，其中免疫不活跃型预后较差。在具有完整生存资料的853名TCGA患者中，校正年龄和肿瘤分期后，该型的风险比为2.04。在独立METABRIC队列筛选后纳入的141名患者中，也观察到相应的预后分层，且分型提供了诺丁汉预后指数之外的预后信息。不过，该队列排除了分型置信度较低的患者，因此推广至更广泛人群时仍需验证（图5）。

图5. 主要空间分型与不同的无病生存结局相关

4、HER2的局部混杂程度与治疗反应相关

为量化局部空间异质性，研究团队设计了空间邻域多样性指标SPAND，用于衡量局部邻域内表达信号的差异与混杂程度。其中，HER2 SPAND基于预测的ErbB通路表达评分，并按癌细胞比例校正，并非直接测量HER2蛋白。研究发现，局部HER2高低信号越交错混杂的肿瘤，在含曲妥珠单抗的治疗队列中越可能达到病理完全缓解，即治疗后手术病理评估未见残留浸润性癌；这一终点并不等同于长期治愈。

TransNEO、PBCP、IMPRESS和Cedars-Sinai四个队列分别纳入61、18、62和26名患者，HER2 SPAND预测病理完全缓解的AUC分别为0.80、0.69、0.72和0.83。AUC衡量模型区分缓解者与未缓解者的排序能力，不能直接解释为个体预测准确率。在部分HER2高表达或高扩增亚组中，该指标的表现优于整体RNA表达或原位杂交指标，而其与单纯化疗反应的关联相对较弱。作者提出，局部免疫效应可能参与其中，但本研究尚未直接验证这一机制；此外，联合治疗方案也使这些关联难以单独归因于曲妥珠单抗（图6）。

图6. HER2局部空间异质性提供治疗反应关联信息

5、空间区域组合可用于跨队列疗效预测

最后，研究团队以11类空间转录组簇的区域占比为特征，建立逻辑回归模型预测治疗反应。化疗模型在93名TransNEO患者的五折交叉验证中取得0.75的AUC，在19名PBCP患者和64名IMPRESS三阴性乳腺癌患者中的外部验证AUC分别为0.89和0.74。这些结果支持空间区域组成具有跨队列预测价值，但其表现并非在所有比较中均占优：例如，多组学Sammut-ML模型在化疗内部交叉验证中表现更好，而Path2Space在PBCP外部验证中表现更佳。

对于含曲妥珠单抗的治疗，空间簇组成模型在TransNEO交叉验证中的AUC为0.86，在PBCP、IMPRESS和Cedars-Sinai三个外部队列中分别为0.90、0.74和0.72。进一步整合HER2 SPAND后，模型在TransNEO、PBCP和IMPRESS中的AUC分别为0.89、0.90和0.77，提示局部表达异质性可为区域组成提供补充预测信息（图7）。

图7. 空间簇模型及联合模型的疗效预测表现

三、写在最后

这项研究在既往乳腺癌空间图谱揭示组织异质性的基础上[1]，进一步探索了利用常规病理图像发现临床相关标志物的可行性。与融合多组学数据的疗效预测路线相比，Path2Space尝试从更易获取的H&E图像中推断局部基因表达，将分析从整块组织的平均水平拓展至局部表达分布与微环境组成。其提出的预后分型、HER2局部表达异质性及空间区域组成，分别从不同层面提供了候选生物标志物。

不过，该方法仍受表达推断误差、空间平滑、样本规模及切片筛选的影响，对稀有细胞和精细细胞状态的解析能力有限，跨癌种适用性也有待验证。未来需在预先固定流程与阈值的多中心前瞻性研究中，评估其稳定性及相较现有指标的增量价值，明确其对治疗决策的实际帮助。

生信人团队深耕行业十余年，专注更贴合临床的多组学课题设计，已为超过500家医院及科研单位提供技术支持服务；同名公众号“生信人”，日更前沿科研话题和思路，欢迎关注，掌握热点快人一步！课题合作可联系：Sxr_0617

素材内容来源网络整理，侵删