CancerSTFormer enables multi-scale analysis of spot-resolution spatial transcriptomes and dissects the gene and immune regulatory responses of targeted therapies

Het paper introduceert CancerSTFormer, een multi-schaal foundation model voor spot-resolutie ruimtelijke transcriptomics dat de analyse van tumor-niches en de voorspelling van effecten van genetische verstoringen en gerichte therapieën op deze ruimtelijke micro-omgevingen mogelijk maakt.

De kern

Stel je voor dat een tumor niet zomaar een hoopje kwaadaardige cellen is, maar een levende, bruisende stad. In deze stad wonen verschillende soorten bewoners: de kwaadaardige cellen (de 'boeven'), de immuuncellen (de 'politie'), en de steuncellen (de 'bouwvakkers'). Hoe deze groepen met elkaar praten en interageren, bepaalt of de stad in vrede blijft of uit de hand loopt (kanker groeit) en of medicijnen werken.

Vroeger keken we naar deze stad alsof we een bak met losse stenen doorzochten. We namen alle cellen uit elkaar, keken naar hun DNA, en probeerden te raden hoe ze samenwerkten. Maar dat is als proberen te begrijpen hoe een voetbalteam werkt door de spelers los van elkaar te bekijken. Je mist de dynamiek van het veld.

CancerSTFormer is een nieuwe, slimme computerprogramma dat deze stad niet als losse stenen ziet, maar als een compleet landschap. Hier is hoe het werkt, vertaald in alledaags taal:

1. De Twee Brillen (50µm en 250µm)

Stel je voor dat je een stad wilt begrijpen. Je hebt twee soorten brillen nodig:

• De 50µm-bril (De 'Buurt-Bril'): Deze kijkt naar een klein blokje van de stad, ongeveer de grootte van een huisblok. Hier zie je hoe de buren direct met elkaar praten. Dit is belangrijk voor korte gesprekken, zoals een handdruk of een fluistering tussen twee cellen die tegen elkaar aan liggen.
• De 250µm-bril (De 'Stads-Bril'): Deze kijkt naar een heel groter gebied, zoals een heel wijkje. Hier zie je hoe de ene wijk invloed heeft op de andere. Dit is nodig voor langere gesprekken, zoals een luidroepende luidspreker die door de hele wijk klinkt.

CancerSTFormer gebruikt beide brillen tegelijk. Het leert van miljoenen kaarten van deze 'steden' (data van 500 verschillende kankerstudies) om te begrijpen hoe de bewoners zich gedragen.

2. De 'Wat-als'-Machine (In Silico Perturbatie)

Dit is het meest magische deel. Stel je voor dat je een simulator hebt, zoals in een computerspel, maar dan voor echte kanker.

• Het probleem: In het echt kun je niet zomaar een medicijn geven aan een patiënt en kijken wat er gebeurt zonder risico.
• De oplossing: CancerSTFormer kan in de computer een 'wat-als' scenario spelen. Het zegt: "Wat gebeurt er in deze tumorstad als we de 'politie' (immuuncellen) een pauze geven, of als we een specifiek signaal (een gen) uit de stad halen?"

Het programma simuleert het verwijderen van een gen (zoals PD-1 of CTLA-4, die vaak als remmen werken op het immuunsysteem) en kijkt direct naar het effect op de hele stad. Ziekt de stad op? Wordt de 'politie' sterker? Of juist zwakker?

3. Het Ontdekken van Verborgen Spionnen

Door deze simulaties te draaien, heeft CancerSTFormer iets verrassends ontdekt.
We dachten altijd dat immunotherapie (zoals anti-PD1) alleen de 'politie' (immuuncellen) wakker maakt om de boeven aan te vallen. Maar dit programma liet zien dat het ook spionnen kan activeren.

• De analogie: Het is alsof je de politie wakker maakt, maar per ongeluk ook een groepje 'verraders' (immunosuppressieve genen) activeert die de politie weer in slaap proberen te dwingen.
• CancerSTFormer kan deze verraders identificeren. Dit is goud waard voor artsen, want als ze weten wie de verraders zijn, kunnen ze nieuwe medicijnen maken die niet alleen de politie wakker maken, maar ook de verraders uitschakelen.

4. Van Ruwe Data naar Slimme Adviezen

Vroeger waren er duizenden kaarten van tumorsteden, maar niemand wist precies hoe ze te lezen. CancerSTFormer leest deze kaarten als een taal. Het leert de 'grammatica' van de kanker.

• Het kan voorspellen welke patiënten reageren op een medicijn en welke niet, zelfs als ze nog nooit eerder met dat medicijn zijn behandeld.
• Het kan zelfs voorspellen waar kanker naartoe zal reizen (metastase), bijvoorbeeld of het naar de longen of botten gaat, door te kijken naar de 'stadsplanning' van de tumor.

Waarom is dit belangrijk?

Dit programma is als een super-simulatie voor artsen en onderzoekers. In plaats van jarenlang te experimenteren met proefpersonen in het lab, kunnen ze nu in de computer duizenden scenario's testen.

• Het helpt om op maat gemaakte behandelingen te vinden.
• Het onthult verborgen mechanismen waarom medicijnen soms falen.
• Het maakt gebruik van de enorme hoeveelheid data die we al hebben, zodat we niet hoeven te wachten op nieuwe, dure experimenten om antwoorden te vinden.

Kortom: CancerSTFormer is de eerste computer die echt begrijpt dat kanker een gemeenschap is, en dat je de hele gemeenschap moet begrijpen om de ziekte te verslaan.

Technische samenvatting

Probleemstelling

De groeiende beschikbaarheid van ruimtelijke transcriptomische (ST) datasets op "spot-resolutie" (waarbij elke spot 10-20 cellen omvat, zoals bij 10x Visium) biedt een unieke kans om multicellulaire ruimtelijke niches in kanker te bestuderen. Echter, het analyseren van het gedrag van deze niches blijft uitdagend vanwege twee hoofdproblemen:

1. Gebrek aan ruimtelijke context in bestaande modellen: Bestaande foundation modellen voor single-cell RNA-seq (zoals scGPT, Geneformer) missen ruimtelijke informatie en kunnen daarom de extrinsieke effecten van het tumormicro-omgeving (TME) of genetische verstoringen (in silico perturbaties) op het niveau van de niche niet voorspellen.
2. Beperkingen van bestaande ST-modellen: Bestaande modellen voor ST-data (zoals Nicheformer) richten zich vaak op beeldvormende technologieën met beperkte genpanelen (300-500 genen) en negeren sequentie-gebaseerde, whole-transcriptome data. Er ontbreekt een framework dat in staat is tot in silico genetische perturbaties op het niveau van de niche voor whole-transcriptome data.

Het doel is een tool te ontwikkelen die de overvloed aan publieke spot-resolutie data benut om mechanistische inzichten te krijgen in hoe genetische verstoringen (zoals therapieën) de ruimtelijke interacties in tumoren beïnvloeden.

Methodologie: CancerSTFormer

De auteurs introduceren CancerSTFormer, een ruimtelijk bewust foundation model dat is getraind op meer dan 1 miljoen spots afkomstig van 511 human kankerstalen uit 50 studies (o.a. Visium, DBiT-seq, Slide-seq).

Kernarchitectuur en Innovaties:

1. Dual-Scale Architectuur: Het model bestaat uit twee varianten om verschillende ruimtelijke schalen te modelleren:
   • 50µm Local Model: Modelleren op het niveau van een individuele spot (een lokale niche van 10-20 cellen). Dit vangt korteafstandsinteracties (juxtacrien) en cel-intrinsieke informatie.
   • 250µm Extended Model: Modelleren op een grotere schaal door de token-sequentie van een centrale spot te combineren met de gemiddelde token-sequentie van zijn buren. Dit vangt langereafstandsparacriene signalering en stromale effecten.
2. Tokenisatie en Training:
   • Rank-based Encoding: In plaats van absolute expressiewaarden, worden genen binnen een spot gerangschikt op basis van hun expressie ten opzichte van globale mediaanwaarden. Dit maakt het model robuust tegen batch-effecten en variatie tussen studies.
   • Self-supervised Masked Language Modeling (MLM): Het model wordt voorgetraind door 15% van de tokens (genen) te maskeren en deze te laten voorspellen op basis van de context. Bij het Extended model wordt ook cross-learning tussen de centrale spot en de buren mogelijk gemaakt.
3. In Silico Genetische Perturbatie:
   • Het model simuleert genetische deleties (bijv. van PDCD1, CD274, CTLA4) door de corresponderende tokens uit de sequentie te verwijderen.
   • De impact wordt gemeten door de verandering in de embedding-ruimte (cosine similariteit) van andere genen te analyseren. Genen met de grootste verschuiving worden geïdentificeerd als potentiële doelen of respons-genen.
4. Fine-tuning: Het model kan worden gefine-tuned op specifieke taken, zoals het voorspellen van therapieresistentie of -gevoeligheid, door gebruik te maken van bulk RNA-seq data van patiënten die reageerden op therapie (bijv. uit de I-SPY2 trial).

Belangrijkste Resultaten

1. Zero-shot Learning en Clustering:

   • Zelfs zonder labels tijdens het voortrainen, clusterden de embeddings van spots succesvol op basis van kankertype en studie, wat aantoont dat het model batch-effecten kan overwinnen en biologisch significante patronen leert.

2. Retrieval van Ligand-Doelrelaties:

   • CancerSTFormer presteerde aanzienlijk beter dan bestaande modellen (Geneformer) en zelfs beter dan analyse van high-resolutie single-cell ruimtelijke data (Visium HD, Xenium-5K) bij het voorspellen van ligand-doelrelaties (gebaseerd op de NicheNet database).
   • Het 250µm Extended model was superieur voor langeafstandsinteracties, terwijl het 50µm Local model beter presteerde voor korteafstandsinteracties (niche-DE genen).

3. Simulatie van Immunotherapie Respons:

   • Door in silico deletie van immunotherapiedoelen (PDCD1, CD274, CTLA4) in Triple-Negative Breast Cancer (TNBC) data, onthulde het model bekende en nieuwe respons-genen.
   • Het model identificeerde zowel lokale immunosuppressieve mechanismen (T-cel gerelateerd, 50µm) als langereafstandsstromale mechanismen (macrophagen, CAF's, 250µm).
   • Het onthulde dat immunotherapie niet alleen het immuunsysteem activeert, maar ook immunosuppressieve genen kan upreguleren die de effectiviteit van de therapie ondermijnen, waardoor nieuwe combinatietherapie-doelen worden voorgesteld.

4. Verbetering van Bulk RNA-seq Signatures:

   • Door het model te fine-tunen met bulk RNA-seq data van patiënten die reageerden op therapie (pCR vs. geen respons), slaagde het erin om deze signatures te verfijnen voor ruimtelijke data.
   • Het fine-tuned model voorspelde resistentie- en gevoeligheidsgenen voor diverse therapieën (PD1, IGF1R, ANG1) significant beter dan een niet-gefine-tuned model of een SVM-baseline, en toonde betere generalisatie naar onzichtbare patiëntcohorten.

5. Validatie en Toepassingen:

   • Perturb-map Validatie: Het model kon de respons op Tgfbr2 knockout in muismodellen succesvol voorspellen, met prestaties 3-5 keer beter dan Geneformer.
   • Andere Taken: Het model presteerde uitstekend bij het voorspellen van organ-specifieke metastase-geassocieerde genen (AUC tot 0.89), het classificeren van kankertypes, het voorspellen van respons op nivolumab bij leverkanker, en het voorspellen van afkomst.

Significantie en Bijdrage

• Eerste Foundation Model voor Whole-Transcriptome ST Perturbaties: CancerSTFormer is het eerste foundation model dat specifiek is ontworpen voor sequentie-gebaseerde, whole-transcriptome ruimtelijke data en in staat is tot in silico genetische perturbaties op het niveau van de multicellulaire niche.
• Schaalbaarheid en Kosten-effectiviteit: Het paper toont aan dat het analyseren van grote hoeveelheden goedkopere, lagere-resolutie spot-data (Visium) via foundation modellen biologische inzichten kan bieden die vergelijkbaar zijn met of zelfs superieur zijn aan dure, hoge-resolutie single-cell ruimtelijke data.
• Translatie naar de Kliniek: De tool biedt een krachtige methode om therapieresistentie te bestuderen en nieuwe combinatietherapie-doelen te identificeren door de complexe ruimtelijke interacties in tumoren te simuleren. Het maakt het mogelijk om bulk RNA-seq signatures te vertalen naar ruimtelijke context, wat cruciaal is voor het begrijpen van patiëntvariabiliteit.
• Open Source: De modellen, code en datasets zijn openbaar beschikbaar, wat de herbruikbaarheid van bestaande ST-data voor fundamenteel en translationeel onderzoek stimuleert.

Kortom, CancerSTFormer markeert een doorbraak in de computergestuurde kankerbiologie door ruimtelijke context en foundation modeling te combineren om de complexe dynamiek van tumormicro-omgevingen en therapierespons te ontrafelen.