【客户项目】高分文章：3D打印和机器学习如何联手攻克脑胶质瘤
脑胶质瘤是一种复杂的中枢神经系统癌症，在不同患者之间具有显著遗传和表型异质性。脑胶质母细胞瘤（GBM）是致死率最高的胶质瘤，其五年生存率仅为6.9%，且复发率极高。本研究在临床相关背景下，首次创新整合生物3D打印和机器学习两项前沿技术，从实验和计算双重角度预测和评估多模式肿瘤治疗反应、探索复杂的肿瘤微环境特性。
原名：Integration of 3D bioprinting and multi-algorithm machine learning identified glioma susceptibilities and microenvironment characteristics
译名：3D生物打印和多算法机器学习的集成确定神经胶质瘤的易感性和微环境特征
期刊：Cell Discovery
IF：38.079 (Q1)
发表时间：2024.4
通讯作者：汤忞; 姚瑜
通讯作者单位：上海中医药大学; 复旦大学
原文链接：https://doi.org/10.1038/s41421-024-00650-7
01 3D生物打印患者肿瘤微组织(PDT)高度重现肿瘤的遗传特征和临床药物反应
获取22名成人和1名儿童神经胶质瘤患者手术切除的肿瘤组织，用胶原酶冲洗并解离患者肿瘤组织以产生单细胞溶液,由甲基丙烯酸明胶和甲基丙烯酸透明质酸组成的生物墨水模拟神经胶质瘤细胞外基质特点，加载到生物打印机打印培养成3D微组织作为药物测试模型。通过RNA测序和全外显子测序对比患者样本和其对应PDT，发现它们在分子特征上高度一致，且优于基质胶培养的患者类器官（PDO）。
药物测试中，PDT能够准确反映复发患者对于金标准药物替莫唑胺的耐药性（通过pMGMT甲基化状态反映复发患者耐药性的比例仅33%），以及对洛莫司汀更高的敏感性，证实PDT能够准确提示临床药物的易感性。以上结果证实PDT能够准确反映个体的药物敏感性，与临床结果相关性高。此外，研究人员还测试了儿童胶质瘤患者常用的铂类药物（顺铂、洛铂），四个临床在用药物中仅有洛铂在PDT中肿瘤抑制率的中位数和平均数都超过50%，显示对胶质瘤治疗具有一定潜力。
图1 用于药物评估的临床相关PDT的生物打印
02 人工智能融合模型GlioML：优于单一模型的药效预测效果
从癌细胞系百科全书（CCLE）中已建立的基因表达数据和癌症治疗反应门户（CTRP）中的药物反应数据，提取并筛选了与研究最相关的基因集作为团队开发的GlioML机器学习工作流程的初始特征集。为了防止组学数据多（特征多）而样本量少带来的过拟合问题，研究团队进行了多轮特征工程，从而减少训练中使用的特征数量。
考虑到药物有不同的作用机制，因此单一算法无法提供所有药物的最佳预测，研究团队同时开发了一个集成九种算法的机器学习融合模型GlioML。每种化合物都经过独立训练，以解释其独特的作用机制，并适应不同算法产生最佳性能的潜力。结果显示神经网络模型和梯度提升模型在基于基因表达特征预测药物反应方面的优越预测能力。这两类算法产生了超过99%的最佳单一算法预测器，而k近邻算法类模型未能生成任何最佳预测器。通过基础模型的有效组合和优化权重，加权集成模型在所有化合物的训练数据集中均优于所有单一算法。
图2 GlioML，一种用于药物反应预测的多算法机器学习方法
图3 GlioML在药物反应预测方面的性能评估
03 PDT联合GlioML发现潜力化合物、预测患者药物敏感性
探索了结合PDT和GlioML算法预测胶质瘤患者药物敏感性等方面的协同潜力。用3个GlioML模型推荐的非胶质瘤相关化合物和临床金标准药TMZ分别处理不同患者的PDT。这3个化合物包括GPX4抑制剂RSL、白血病药达沙替尼和调脂药洛伐他汀，经过药物处理后的PDT的中位存活率分别为5.8％、4.2％和50％，肿瘤抑制效果均显著超过了临床用药TMZ。尽管测试化合物的肿瘤杀伤效率各不相同，但经CCNU、顺铂、洛铂、达沙替尼、洛伐他汀和RSL处理的PDTs肿瘤存活率均显著低于未处理对照组。在儿童胶质瘤患者常用的铂类药物中，洛铂显示出比顺铂更好、更集中的疗效。由于PDTs显示出与临床TMZ和CCNU反应的高度一致性，GlioML所发现的潜力化合物在PDTs中的优越肿瘤杀伤效果，显示出GlioML在胶质瘤药物发现中的重要价值。
聚类分析显示GlioML预测的药物敏感性，能够明显区分WHO III级和IV级胶质瘤，提示不同阶段的胶质瘤患者对药物反应不同。GlioML在WHO IV级胶质瘤中表现出强大的预测潜力，表明当前的GlioML模型更擅长预测恶性程度高的胶质瘤。
图4 生物打印 PDT 和 GlioML 的集成用于精准医疗
04 生物3D打印PDT能够维持肿瘤微环境内免疫细胞
高级别胶质瘤组织内含有包括免疫细胞和内皮细胞在内的非肿瘤异质性细胞群体。本研究收集的患者样本显示出不同比例的间质细胞，尤其是CD45+免疫细胞，生物3D打印的PDT有效地保留了这些间质细胞。比较12对匹配的患者组织和PDT发现除个别情况下观察到CD45+比例降低外，其余无显著差异。也进一步研究了PDT在评估活化T细胞和贝伐珠单抗功效方面的效用。与CD14主导的PDT相比，P2RY12主导的PDT对T细胞介导的细胞毒性的敏感性更高，对贝伐珠单抗表现出更强的耐药性。
为了解决PDTs中病人特异性特征和不一致的细胞组成带来的可重复机制研究的挑战，研究团队采用基于DLP的生物3D打印技术创建了工程化的多细胞GBM肿瘤免疫、肿瘤免疫内皮模型。这些模型尝试精确重现PDT中涉及的三种主要细胞群体：代表外周血起源的肿瘤相关巨噬细胞（TAM）的CD14+细胞，代表脑来源的TAM的P2RY12+细胞，和代表内皮细胞的CD31+细胞。这些工程化多细胞模型使得评估包括GlioML识别的小分子化合物、T细胞疗法和贝伐单抗等靶向治疗在内的各种治疗方法成为可能。
图5 评估生物打印 PDT 和 GBM 骨髓模型中的多模式治疗
05 生物打印3D GBM骨髓模型的独特微环境特征
为了阐明驱动所观察到的药物敏感性多样性的因素,分析了传统球培养、生物打印共培养（GBM-单核细胞 GBM-Mg 和GBM-小胶质细胞 GBM-Mo）和生物打印三培养（由 GSC、小胶质细胞和单核细胞组成）下GBM干细胞的基因表达，都显著差异。比如在GBM-Mg中，最丰富的细胞因子是IL8、IL6和CCL2，而在GBM-Mo中，IL8、CCL5和G-CSF最普遍。从生物打印模型中分离的细胞的 GlioML 特征分析与这些观察结果一致。结果总的揭示了生物3D打印GBM肿瘤免疫模型中，不同来源巨噬细胞能够塑造有显著差异的肿瘤微环境，可被应用于开发靶向GBM微环境、增强临床疗效的新策略。
图6 GBM 骨髓模型中独特的微环境特征
神经胶质瘤具有异质的微环境和遗传亚型，给治疗预测和开发带来了巨大的挑战。将3D生物打印和多算法机器学习相结合，作为一种新方法来增强对神经胶质瘤治疗反应和微环境特征的评估和理解。生物打印的患者来源的神经胶质瘤组织成功地重现了天然肿瘤的分子特性和药物反应。GlioML，一种机器学习工作流程，包含九种不同的算法和加权集成模型，该模型生成基于基因表达的强大预测变量，每个预测变量都反映了各种化合物和药物的不同作用机制。整体模型取代了不同体外系统中所有单独算法的性能，包括球体培养、复杂的 3D 生物打印多细胞模型和 3D 患者来源的组织。通过整合生物打印，治疗的评估范围扩大到T细胞相关治疗和抗血管生成靶向治疗。发现了用于神经胶质瘤治疗的有前途的化合物和药物，并揭示了独特的免疫抑制或血管生成骨髓浸润的肿瘤微环境。这些见解为增强神经胶质瘤和其他癌症的治疗开发铺平了道路，凸显了这种综合和转化方法的广泛应用潜力。
