大型高质量mIF数据集——AstroPath，有助于识别肿瘤免疫疗法

　　针对免疫系统的癌症免疫疗法目前已经在多种癌症的治疗中取得了令人兴奋的成绩，美国食品和药物管理局（FDA）在超过17种实体瘤中批准了抗PD-1/PD-L1的药物的使用，然而仅有30%的癌症患者对免疫疗法起反应，因此发现有效的生物标志物从而指导患者的临床用药是非常迫切的需求。免疫组化（IHC）评估的PD-L1蛋白表达是FDA认证的重要的预测免疫治疗反应的生物标志物，但该标志物存在很大程度上局限性。Lu等人的META分析研究发现多重免疫荧光（mIF）/ IHC在预测肿瘤免疫疗法反应方面有着良好的潜力。

　　mIF可以在单个组织切片上同时使用基于核复染的多种标记物进行基于抗体的同时检测，是多维度研究肿瘤微环境（TME）、鉴定特定免疫调节细胞分子的重要工具。然而，由于技术限制早期研究中大多数mIF仅报道了标记物的阳性或阴性分类，没有进行强度评估。

　　近日，美国约翰霍普金斯大学的Janis M. Taube团队在 Science 杂志发表了题为 Analysis of multispectral imaging with the AstroPath platform informs efficacy of PD-1 blockade 的研究，结合天文学的基础，更新了多光谱mIF分析方法。克服了现有研究中仅对PD-1/PD-L1表达进行分类描述的缺陷，兼顾了对原位表达强度（阴性、低水平、中水平、高水平）的测量。研究通过构建大型高质量mIF数据集—— AstroPath，有助于识别肿瘤免疫疗法的生物标志物。

　　研究首先利用酪胺信号放大（TSA）技术与多光谱成像相结合，通过mIF切片染色、图像采集和处理、细胞识别、标准化批次效应四个主要阶段创建高质量的mIF数据集——AstroPath平台（图1）。通过技术更新，研究每个阶段的多个步骤中减少3到50%的误差，大大提升了准确率。研究开发mIF检测方法，利用AstroPath成像平台获取的图像块，评估关键区域中肿瘤微环境（TME）的总体比例，消除潜在的异质性并优化预测值，在此基础上通过计算机辅助定量细胞密度（单位面积细胞数量）替代病理学家视觉评估给定标记物的阳性细胞比例，从而应用在临床以预测免疫治疗效果。目前FDA还没有批准针对黑色素瘤免疫检查点疗法的生物标志物，本研究开发了一种新的组合方法，使用mIF检测中的所有6个标记物（PD-L1, CD8, FoxP3, Tumor, PD-1, CD163）来预测黑色素瘤患者接受免疫检查点阻断治疗后的效果，证实了对每个免疫活性特征使用不同的采样策略进行抽样，可以提高组合标记物的预测准确度。事实上，高质量的全载片多重图像有助于绘制具有复杂表型的罕见细胞类型，在空间上评估TME参数。

　　图1 AstroPath平台生成高质量的数据集的过程

　　综上所述，本研究在天文学概念的指导下构建了多光谱成像平台，把细胞看作恒星或者星系（图2），生成高质量的单细胞分辨率的数据集，用于发现肿瘤免疫治疗生物标志物和定量癌症患者病理参数，有助于精准治疗的开展。基于mIF数据库构建的AstroPath平台提出了多光谱数据的质量标准，构建了多路复用技术的框架。并将在未来开源提供大规模的、包含数十亿个空间单细胞数据的肿瘤免疫图谱以推进肿瘤免疫的临床研究。

　　图2 AstroPath平台构建概念