Multiplex immunofluorescence and single‐cell transcriptomic profiling reveal the spatial cell interaction networks in the non‐small cell lung cancer microenvironment
Notice bibliographique
Résumé
BACKGROUND: Conventional immunohistochemistry technologies were limited by the inability to simultaneously detect multiple markers and the lack of identifying spatial relationships among cells, hindering understanding of the biological processes in cancer immunology. METHODS: Tissue slices of primary tumours from 553 IA∼IIIB non-small cell lung cancer (NSCLC) cases were stained by multiplex immunofluorescence (mIF) assay for 10 markers, including CD4, CD38, CD20, FOXP3, CD66b, CD8, CD68, PD-L1, CD133 and CD163, evaluating the amounts of 26 phenotypes of cells in tumour nest and tumour stroma. StarDist depth learning model was utilised to determine the spatial location of cells based on mIF graphs. Single-cell RNA sequencing (scRNA-seq) on four primary NSCLC cases was conducted to investigate the putative cell interaction networks. RESULTS: = -0.45). Univariate Cox analyses identified closer proximity between CD8+ T cells predicted longer disease-free survival (DFS). In contrast, closer proximity between CD133+ cancer stem cells (CSCs), longer distances between CD4+ T cells and CD20+ B cells, CD4+ T cells and neutrophils, and CD20+ B cells and neutrophils were correlated with dismal DFS. Data from scRNA-seq further showed that spatially adjacent N1-like neutrophils could boost the proliferation and activation of T and B lymphocytes, whereas spatially neighbouring M2-like macrophages showed negative effects. An immune-related risk score (IRRS) system aggregating robust quantitative and spatial prognosticators showed that high-IRRS patients had significantly worse DFS than low-IRRS ones (HR 2.72, 95% CI 1.87-3.94, p < .001). CONCLUSIONS: We developed a framework to analyse the cell interaction networks in tumour microenvironment, revealing the spatial architecture and intricate interplays between immune and tumour cells.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».