Cancer Cell：李博等开发机器学习算法，首次在单细胞水平追踪癌细胞和T细胞间线粒体传输

2023

10/12

生物世界

A-

A+

研究证实了T细胞与癌细胞间线粒体传输在不同癌症中的广泛存在，更重要的是，提出了基于贝叶斯层次模型与统计反褶积的机器学习方法——MERCI，实现了在单细胞分辨率下追踪不同细胞间线粒体传输的重要功能。

线粒体参与了真核细胞几乎所有的代谢活动 (例如能量生成，信号传导以及细胞程序性死亡等)，是哺乳动物在亚细胞层面最重要的“发动机”。线粒体可以通过细微的纳米管道在不同谱系的细胞间流动从而达到组织修复的目的，这一生物学现象最早在2006年被观测确认。

2021年11月，哈佛大学医学院的研究人员在 Nature Nanotechnology 期刊发表论文【1】，首次发现，癌细胞通过纳米管窃取T细胞的线粒体，在增强自身的同时，还削弱了免疫细胞的活性，从而战胜免疫系统，实现免疫逃逸。该发现为肿瘤的免疫逃逸以及T细胞的功能失调研究提供了全新的见解, 有很大希望成为新的癌症免疫治疗方向。

进一步的研究则需要在实验动物体内乃至真实癌症患者的肿瘤组织中进行，然而已有的生物学技术无法做到在体内追踪线粒体的运动轨迹。目前一个亟待解决的难点在于：没有现实可行的方法能在真实人类肿瘤中对癌细胞与T细胞间的线粒体传输进行研究并发现可药物靶向的关键基因和通路。

2023年10月9日，宾夕法尼亚大学医学院/费城儿童医院李博教授团队等在 Cancer Cell 期刊发表了题为：Systematic investigation of mitochondrial transfer between cancer cells and T cells at single-cell resolution 的研究论文【2】。

该研究不仅证实了T细胞与癌细胞间线粒体传输在不同癌症中的广泛存在，更重要的是，提出了基于贝叶斯层次模型与统计反褶积的机器学习方法——MERCI，实现了在单细胞分辨率下追踪不同细胞间线粒体传输的重要功能。

研究团队首先通过荧光标记线粒体的KrasG12D/p53ko(KP)癌细胞与CD8+ T细胞共培养系统，在不同癌症中重现并证实了上述 Nature Nanotechnology 论文的观测结果，即随着共培养时间延长，T细胞中的线粒体逐渐流失并转移到癌症细胞中。之后研究团队在不同培养条件和不同癌症细胞系中反复确认了此生物学过程的可重复性，并着手产生了用于算法开发的金标准数据集（图一）。该数据集一共包括三套单细胞RNA-seq样本: 共培养的receiver癌症细胞 (case 组), 单独培养的non-receiver 癌症细胞以及donor T细胞（control组）。

图一：金标准数据产生流程

在产生的单细胞数据集中，研究团队发现癌症细胞在接收到外源性的T细胞线粒体后，其本身的mtDNA变异图谱以及线粒体基因转录模式会发生显著改变，主要变化为：

1）T细胞特异或者富集的mtDNA突变会更多出现在receiver癌细胞中；

2）receiver癌细胞的线粒体基因的转录表达模式与T细胞相似。

这两点重要发现表明了在scRNA-seq数据中捕获细胞间的线粒体传输信号完全可行，为MERCI算法（图二）的开发提供了重要的事实基础和理论支持。MERCI利用秩转化的策略整合了单细胞水平的mtDNA突变谱以及线粒体基因的转录表达谱，从而准确预测劫持了T细胞线粒体的receiver 癌细胞并估计每个单细胞中外来线粒体的相对丰度。

图二：MERCI流程图解

为了无偏性的评测MERCI算法，研究团队额外产生了独立的scRNA-seq以及mtscATAC-seq数据集并证实了MERCI算法准确性，ROC曲线AUC值根据不同的条件和参数在 0.7~0.9之间浮动，远高于随机期望。研究团队将MERCI应用于真实人类癌症患者的单细胞数据中，在不同癌症类型的多个样本中确认了肿瘤细胞劫持T细胞线粒体的生物学现象，并揭示了TNFα通路与该过程中细胞间的纳米管行成高度相关。通过MERCI算法，研究团队首次实现了线粒体转移在真实肿瘤样本中的体内追踪研究。

值得指出的是，尽管在本研究中，研究团队只将MERCI用于线粒体转移在T细胞和癌细胞之间的追踪，原则上MERCI可应用于任意两种不同的细胞类型。当单细胞测序数据质量合格时（单细胞测序读长的线粒体覆盖度 > 1000），MERCI的预测准确度具有较强的鲁棒性。因此MERCI有希望作为一个通用方法以解析复杂细胞网络中线粒体的流动问题并帮助推动癌症免疫治疗的发展。

该论文的通讯作者为宾夕法尼亚大学的李博教授和德克萨斯大学西南医学中心的张安利博士。宾夕法尼亚大学的张洪溢博士、于雪新博士以及西南医学中心的叶建锋博士为该论文共同第一作者。

论文链接 ：

1. https://www.nature.com/articles/s41565-021-01000-4

2. https://www.cell.com/cancer-cell/fulltext/S1535-6108(23)00319-7