摘要 5505：自动化空间分析流程以探讨头颈癌肿瘤微环境中缺氧的影响

摘要 头颈癌（HNC）是一组异质性恶性肿瘤，起源于上呼吸消化道的黏膜表面。HNC的肿瘤微环境（TME）特征包括免疫细胞、间质细胞及细胞外基质成分的存在。TME的一个关键特征是缺氧，它通过改变参与血管生成、细胞存活和代谢的基因表达，促进肿瘤的生长、侵袭和转移。理解TME中缺氧与免疫浸润之间的复杂相互作用对于开发治疗该疾病的新型治疗策略至关重要。数字空间分析进行全转录组分析是探索TME的优良方法，但评估大规模队列可能耗时。自动化分析流程以减少实际操作时间和兴趣区域（ROI）选择偏差，将有助于探索大规模队列，识别作用机制、潜在药物靶点和生物标志物。我们开发了一种优化的空间多组学工作流程，利用GeoMx®数字空间分析仪（DSP）进行高通量空间分析，采用全转录组图谱（WTA）和免疫荧光形态标记物：SYTO82（细胞核）、CAIX（缺氧）、泛细胞角蛋白（上皮）、CD3（T细胞）。基于AI的分析（Oncotopix® Discovery）用于连续切片H肿瘤/间质界面选择，使用上皮区域。选择照明区域（AOI）依据同心CAIX表达梯度。使用Oncotopix Discovery和全转录组对数字图像进行整合分析以评估上述TME区室。基于肿瘤/间质、缺氧和免疫浸润的自动ROI定位以及基于AI/深度学习的AOI分割缩短了AOI选择时间，提高了组织区室富集的准确性，尤其是在样本和组织类型间。基于缺氧梯度的AOI自动开发实现了标准DSP软件无法实现的选择策略。利用IF形态扫描进行细胞表型分析辅助细胞分解。DSP结果与患者预后相关良好。本研究表明，基于ROI的空间分析可用于探索缺氧水平对HNC免疫浸润的影响。基于AI的自动ROI选择提供了一种基于缺氧和免疫浸润标准无偏、可重复采样相关肿瘤亚型的方法，并可为不同组织类型和病理亚型混合队列中的ROI选择及AOI分割提供标准化、自动化方案，提升通量。引用格式：David Mason, Kyla Teplitz, James Robert Mansfield, Kelly Hunter, Joana Campos, Jill Brooks. Automating a spatial profiling workflow to explore the effects of hypoxia in the tumor microenvironment in head and neck cancer abstract. In: Proceedings of the American Association for Cancer Research Annual Meeting 2024; Part 1 (Regular Abstracts) ; 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84 (6Suppl): Abstract nr 5505.