Invasion status stratifies the composition of the human pancreatic cancer perineural niche

문제 정의
췌장관 선암종(PDAC)은 거의 보편적인 신경 침윤과 암세포가 신경 초를 침범하는 신경 주위 침윤(perineural invasion, PNI)의 높은 유병률을 특징으로 합니다. PNI는 전이 부담, 재발 및 환자의 불량한 예후와 밀접한 상관관계가 있습니다. 이러한 임상적 중요성에도 불구하고, 이질적인 세포 구성의 신경 주위 니치(perineural niche)에 대한 세포 및 분자적 조성은 여전히 명확히 정의되지 않았습니다. 기존 연구들은 신경이 종양 세포 및 기질 성분과 상호작용한다는 점을 입증했지만, 침범된 신경 주변부와 침범되지 않은 주변부를 구분 짓는 구체적인 세포 상태와 신호 전달 메커니즘은 불분명합니다. 또한, 이미지 기반 공간 전사체학(imST)의 표준 계산 워크플로우는 종종 세포 분할(segmentation)에 의존하는데, 이는 PDAC과 같이 복잡하고 밀도가 높은 조직에서 전사체의 오배정이나 불완전한 세포 표현을 초래할 수 있습니다.

방법론
저자들은 PNI 상태(고/저)에 따라 층화된 재절제된 PDAC 환자 조직에 대해 다중 오믹스 특성 분석을 수행했습니다. 연구는 두 가지 주요 데이터 모달리티를 통합했습니다:

1. 단일 핵 RNA 시퀀싱(snRNA-seq): 해리 유도 스트레스 반응을 최소화하면서 전사체 전체 유전자 발현 프로파일을 얻기 위해 11개의 신선 동결 수술 샘플(PNI-high 8개, PNI-low 3개)에 대해 수행되었습니다.
2. 이미지 기반 공간 전사체학(imST): 종양, 종양 미세환경(TME) 및 신경 관련 세포를 타겟팅하는 맞춤형 480개 유전자 패널을 사용하여 10x Genomics Xenium 플랫폼을 통해 11개의 매칭된 샘플(PNI-high 8개, PNI-low 3개)에 대해 수행되었습니다.

imST 분석의 계산적 병목 현상을 극복하기 위해, 저자들은 이산 표현 학습(discrete representation learning)에 기반한 새로운 비전 중심 인공지능 모델인 Nicheverse를 채택했습니다. 표준 워크플로우와 달리, Nicheverse는 세포 분할 과정을 완전히 건너뜁니다. 이 모델은 계층적 벡터 양자화 오토인코더(hierarchical vector quantized autoencoder)를 사용하여 두 가지 이산 코드북을 학습합니다: 세포 상태를 전사 프로그램에 따라 주석 달기 위한 '세포 코드북'과 주변 조직 맥락으로부터의 조성 정보를 포함하는 '근린(neighborhood) 코드북'입니다. 이를 통해 전사체 수와 관계없이 모든 핵을 세포 유형 코드로 할당할 수 있습니다.

신경 근린(nerve neighborhoods, NNs)은 신경 구조(슈반 세포 클러스터를 통해 식별)와 250µm의 방사형 확장을 포함하는 것으로 정의되었습니다. 이 근린은 병리학자에 의해 "침범됨"(악성 세포가 초를 둘러싸거나 침투함) 또는 "침범되지 않음"으로 수동 주석이 달렸습니다. 연구는 환자 수준의 이질성을 고려하기 위한 선형 혼합 모델(LMM)과 snRNA-seq 데이터에 대한 차등 풍부도 검정(Milo)을 포함한 엄격한 통계적 프레임워크를 활용했습니다.

주요 기여 및 결과

• 신경 주위 니치의 고해상도 아틀라스: 본 연구는 PDAC 미세환경 내 44개의 뚜렷한 세포 유형과 16개의 공간적 니치를 정의하는 고충실도 공간 및 단일 세포 아틀라스를 생성했습니다. 여기에는 특정 슈반 세포 하위 집단(수초 형성, 비수초 형성, 섬유아세포 유사 세포) 및 뚜렷한 암 관련 섬유아세포(CAF) 상태와 같은 희귀 세포 집단의 식별이 포함됩니다.
• 침윤 상태에 따른 층화: 분석 결과 침범된 신경과 침범되지 않은 신경 사이의 극명한 이분법이 드러났습니다:
  • 침범된 신경: 고전적 악성 세포, 근섬유아세포형 CAF(myCAF), 그리고 ALOX5AP, OLR1, MARCO 발현으로 특징지어지는 **지질 관련 종양 관련 대식세포(TAM)**가 풍부했습니다. 이 영역에서는 T 및 B 림프구가 결핍되었습니다.
  • 침범되지 않은 신경: 염증성 CAF(iCAF), CD163-high TAM이 특징적이며, B 및 T 림프구(성숙 B 세포, CD4+ 나이브/효과 T 세포, CD8+ 메모리 T 세포 포함)의 유의미한 침윤이 관찰되었습니다.
• 전사 및 공간적 리모델링:
  • 유전자 발현: 침범된 신경은 상피 정체성(KRT16, EPCAM), 점액 생산 및 침윤(FAM83A, PADI1)과 관련된 유전자를 상향 조절했습니다. 또한 신경 영양 인자인 Neuromedin-U (NMU) 및 *Brain-Derived Neurotrophic Factor (BDNF)*와 함께 세포외 기질(ECM) 리모델링 유전자(MMP1, MMP11, COL11A1)를 상향 조절했습니다. 반면, 비침범 신경은 정적인 기질 프로그램과 신경 지원 마커(IGF1)를 발현했습니다.
  • 지질 대사: 침범된 신경은 지질 흡수 및 합성(OLR1, DHCR24)으로의 전환을 보인 반면, 비침범 신경은 지질 유출(ABCA6, ABCA8)을 선호했습니다.
  • AP-1 활성: PNI-high 조직의 악성 세포와 CAF 모두에서 높은 AP-1 전사 인자 활성이 나타났으며, 이는 신경 영양 수용체(예: NTRK2, NGFR) 발현 및 침윤 프로그램과 연결되었습니다.
• 세포 간 통신: 리간드-수용체 분석(LIANA)은 VEGF 신호 전달, 세포-기질 부착(라미닌-인테그린 상호작용), 그리고 TAM, CAF, 악성 세포 간의 지질 이동이 지배적인 PNI-high 신호 네트워크를 식별했습니다. 특히, 고전적 종양 세포와 CAF 사이의 BDNF-NTRK2 축이 연관되어 있음이 밝혀졌습니다.
• 니치 이질성: 연구는 "myCAF 테두리를 가진 고전적 PDAC PNI" 및 "고전적 전구체 PNI 전선"과 같은 뚜렷한 공간적 니치를 식별했습니다. 이는 PNI의 심각성과 성격가 PNI-high 샘플 내에서도 다양함을 시사하며, 일부 신경은 면역 세포를 배제하는 원주형 종양 관여를 보여주었습니다.

의의
본 논문은 이 작업이 인간 PDAC 신경 주위 니치에 대한 최초의 심층 표현형 공간 및 단일 세포 아틀라스를 제공하며, 침범된 신경 주변부와 침범되지 않은 신경 주변부를 고해상도로 비교할 수 있게 한다고 주장합니다. 주요 의의는 이 데이터가 PNI 자체가 신경 분포(innervation) 그 자체보다 면역 억제적일 수 있다는 가능성을 제기한다는 점에 있으며, 이는 향-기능적 연구를 촉진하는 가설입니다. 데이터는 암세포가 신경 초를 침범하는 현상이 림프구를 능동적으로 배제하고 면역 억제성, 지질 대사 대식세포 및 myCAF를 모집한다는 것을 시사합니다.

침범과 관련된 특정 세포 상태(예: 지질 관련 TAM, 신경 친화적 CAF) 및 분자 프로그램(예: AP-1 레굴론, 지질 처리, 신경 영양 신호 전달)을 정의함으로써, 본 연구는 이러한 과정들을 잠재적인 치료 표적으로 지목합니다. 저자들은 PNI가 면역 세포를 배제하기 위해 신경 주위 니치를 리모델링하는 메커니즘을 이해하는 것이 췌장암의 치료 반응을 개선하는 전략을 세우는 데 도움이 될 수 있다고 상정합니다. 또한, 본 연구는 복잡한 조직 구조를 해결하기 위한 Nicheverse와 같은 비 분할 기반 AI 모델의 유용성을 강조합니다.