Опухолевая микросреда (ОМС) представляет собой сложную экосистему, состоящую из различных клеточных типов и биологических процессов, которые существенно влияют на развитие, прогрессирование и метастазирование раковых опухолей. Понимание структуры и функций ОМС имеет важное значение для разработки эффективных методов диагностики и лечения онкологических заболеваний. В последние годы внимание ученых и клиницистов сосредоточено на пролонгированном анализе не только опухолевых клеток, но и компонентов микросреды, таких как иммунные клетки и стромальные элементы. Такой подход позволяет обнаружить механизмы взаимодействия опухоли с окружающей средой и выявить новые терапевтические мишени. Традиционные методы оценки состава опухолевой микросреды, частично основанные на гистологическом анализе и иммуноокрашивании, зачастую ограничены в точности и разрешающей способности.
Современные технологии, такие как одноклеточная транскриптомика и пространственные протеомика или транскриптомика, предлагают углубленное понимание, но сталкиваются с ограничениями высокой стоимости, технической сложности и потерями клеточных популяций при подготовке образцов. На этом фоне растет значимость вычислительных методов деконволюции, позволяющих с высокой точностью определять доли различных клеточных типов в смешанных образцах ткани на основе профилей генной экспрессии. Исследование, проведенное группой ученых под руководством Бхавнеета Бхиндера и Оливье Элеманто, стало одним из наиболее масштабных и комплексных анализов состава опухолевой микросреды на пан-ксральном уровне, охватившем 10 592 опухолевых образца из 33 различных типов рака. Ключевая инновация работы заключалась в интеграции результатов девяти разных методов деконволюции, что позволило оценить 79 различных типов клеток и биологических процессов, включая как иммунные, так и стромальные компоненты микросреды. Такой многомерный подход нивелировал недостатки и системные ошибки отдельных алгоритмов и расширял охват клеточного разнообразия.
Для объединения данных применялась стандартизация и усреднение оценок для каждого клеточного типа, формируя так называемые интегральные iScores. Эти показатели показали высокую корреляцию с независимыми мерами иммунного инфильтрата, полученными из данных метилирования ДНК, рентгенографии опухолей и анализа отдельных рецепторов T-клеток. Валидация на синтетических «псевдо-бульках», моделирующих смешанные клеточные популяции из одноклеточных транскриптомных данных, еще раз подтвердил высокую точность интегрированного подхода по сравнению с отдельными методами деконволюции. Анализ разнородности лейкоцитов в разных типах рака выявил значительные различия. Наибольшая доля лейкоцитов наблюдалась в гематологических опухолях и некоторых солидных опухолях, в то время как в иммунно-привилегированных зонах, таких как мозг и сетчатка, их количество было минимальным.
Внутри одного типа опухоли, например, кожи мelanoma, наблюдались вариации в зависимости от локализации метастазов и подтипов рака, что отражает адаптивные изменения ОМС в ходе прогрессирования болезни. Воздействие иммунного инфильтрата на выживаемость пациентов также оказалось неоднородным и зависело от типа и подтипа рака. В целом, высокая доля лейкоцитарных клеток ассоциировалась с улучшенной безрецидивной выживаемостью, за исключением опухолей головного мозга, где высокий уровень иммунных клеток мог быть связан с иммуносупрессивным микросредовым фенотипом. Отдельные типы иммунных клеток, такие как цитотоксические T-лимфоциты, натуральные киллеры, B-клетки и некоторые субпопуляции Т-хелперов, показали положительное влияние на прогноз, что соответствует их антивирусной и противоопухолевой функции. Однако наличие регуляторных T-клеток и некоторых типов макрофагов в определенных опухолях связывалось с неблагоприятным исходом из-за их роли в подавлении иммунного ответа.
Стоит отметить, что стромальные клетки - фибробласты, эндотелиальные клетки и перициты – хотя и менее изучены, чем иммунные, проявили важные корреляции с прогрессированием опухоли. В некоторых случаях высокая стромальная активность ассоциировалась с усилением ангиогенеза и ремоделированием ткани, способствующими росту опухоли. Взаимодействия между иммунными и стромальными компонентами продемонстрировали сложные паттерны, где состояние одной группы клеток формировало среду для действия другой, создавая динамическое гомеостатическое равновесие. Уникальный ТМЕ (tumor microenvironment) ландшафт каждого типа опухоли был визуализирован в виде карты, на которой образцы объединялись в 41 кластер с характерными моделями инфильтрации. Эта кластеризация позволила выделить иммунно богатые и бедные кластеры, которые разнородно распределялись по подтипам рака и имели прогностическую значимость.
Например, в раке мочевого пузыря обнаружено два четких кластера — с высоким и низким уровнем иммунных клеток. Иммунно насыщенные опухоли показывали лучший прогноз, что может иметь значение для выбора терапии, например, основанной на иммунных чекпоинтах. Кроме того, исследование выявило взаимосвязи между геномными мутациями в драйверных генах и составом ОМС. Некоторые мутации, такие как в CASP8, ассоциировались с повышенной иммунной активностью, возможно, отражая попытки опухоли избежать иммунного надзора. Другие, например мутации в NRAS, сопровождались иммунным исключением, что может объяснять механизмы резистентности к иммунотерапии.
Анализ этих корреляций открывает перспективы для персонализированного лечения и разработки биомаркеров, ориентированных не только на геном опухоли, но и на микросреду. Важным аспектом работы стала оценка взаимосвязи между общей нагрузкой мутаций в опухоли и уровнем иммунной инфильтрации. Результаты показали, что ТМБ (tumor mutation burden) не всегда коррелирует с иммуноклеточным вмешательством, что указывает на необходимость комплексной оценки не только мутационной нагрузки, но и характеристик микросреды для прогнозирования ответов на иммунотерапию. Полученные результаты создают фундамент для дальнейших клинических исследований, направленных на интеграцию анализа состава опухолевой микросреды в диагностические и прогностические инструменты. Использование iScore, учитывающего широкий спектр клеточных элементов, может стать инструментом выбора пациентов, наиболее вероятных к успешному ответу на иммунотерапевтические подходы.
Кроме того, понимание уровней и типов стромальных клеток в опухолях может способствовать назначению противостромальной терапии, способствующей повышению эффективности лечения. В итоге, интегрированное исследование иммунного и стромального компонентов опухолевой микросреды на пан-ксральном уровне раскрывает многоаспектные взаимосвязи между клеточным составом, мутационным профилем и клиническими исходами. Такая многомерная картина помогает уточнить фундаментальные биологические механизмы рака и устремить разработку новых биомаркеров и терапевтических стратегий в сторону индивидуализированного лечения, способного улучшить качество жизни и увеличить продолжительность жизни пациентов с онкологическими заболеваниями.
