A Cross-Study Multi-Organ Cell Atlas ofMacaca fascicularis Informed by Human Foundation Model Annotation: A Resource for Translational Target Assessment

Dit artikel presenteert een unificerend single-cell atlas van de cynomolgus-aap, die is samengesteld uit 30 studies en verrijkt met menselijke annotaties, om de preklinische evaluatie van biologische geneesmiddelen te verbeteren en het gebruik van niet-menselijke primaten in onderzoek te verminderen.

De kern

Stel je voor dat je een heel groot, ingewikkeld raadsel probeert op te lossen: hoe kunnen we nieuwe medicijnen veilig maken voor mensen, zonder dat we daarvoor onnodig veel apen hoeven te gebruiken?

Dit wetenschappelijke artikel is als het vinden van de "geheime sleutel" om dat raadsel op te lossen. Hier is wat de onderzoekers hebben gedaan, vertaald naar alledaags taal met een paar leuke vergelijkingen.

1. Het Probleem: De Gebroken Kaart

Voor het testen van nieuwe medicijnen (vooral diegene die op het menselijk afweersysteem werken) gebruiken wetenschappers vaak cynomolgus-apen (een soort makaka). Waarom? Omdat hun lichaam en genen heel erg lijken op die van mensen. Het is alsof je een nieuwe auto test op een weg die bijna identiek is aan de weg waar hij later gereden moet worden.

Maar er is een groot probleem:

• We willen minder dieren gebruiken (dat is ethisch en wettelijk steeds belangrijker).
• Maar we hebben geen goed "kaartje" van hoe de cellen in die apen precies werken. Er zijn wel veel losse stukjes informatie (zoals een doos met losse puzzelstukken van verschillende puzzels), maar ze passen niet bij elkaar. Soms zeggen één studie "dit is een huidcel" en een andere studie "nee, dit is een andere soort huidcel".

2. De Oplossing: De "Universale Vertaler"

De onderzoekers van Genmab hebben iets geweldigs bedacht. Ze hebben alle beschikbare gegevens over deze apen (uit 30 verschillende studies) samengevoegd tot één gigantische, super-georganiseerde database.

Ze hebben een slimme computer-systeem gebruikt, genaamd UCE (Universal Cell Embeddings).

• De Analogie: Stel je voor dat je twee talen spreekt: "Mens" en "Aap". Vroeger was het moeilijk om te vertalen omdat de woorden net anders klonken. Dit nieuwe systeem is als een super-vertaler die niet alleen woorden vertaalt, maar ook de gevoelens en betekenis erachter begrijpt.
• Ze hebben de "menselijke kaart" (een heel gedetailleerde atlas van menselijke cellen) gebruikt als de standaard. Vervolgens hebben ze de "aap-kaart" erdoorheen gehaald en de cellen van de apen automatisch de juiste namen gegeven, precies zoals ze het bij mensen noemen.

Het resultaat? Een gigantische atlas met meer dan 2,5 miljoen cellen uit 43 verschillende organen van de aap. Het is alsof ze ineens een volledige Google Maps hebben voor het lichaam van de aap, terwijl ze daarvoor alleen wat losse postkaarten hadden.

3. Waarom is dit zo handig? (De Drie Voorbeelden)

De auteurs laten zien hoe ze deze nieuwe kaart gebruiken om medicijnen veiliger te maken:

A. De "Spiegel" voor Huidproblemen
Sommige medicijnen veroorzaken huiduitslag bij mensen. Vroeger keken we alleen naar het hele orgaan (bijv. "de huid"). Maar nu kunnen we kijken naar de specifieke cellen in de huid.

• Vergelijking: Het is alsof je vroeger keek naar een hele stad om te zien waar het verkeer vastliep. Nu kun je kijken naar exact welk stoplicht kapot is. Ze zagen dat bepaalde medicijnen precies op de cellen werken die ook bij mensen huidproblemen geven. Dit betekent: "Ja, de aap is een goede test voor dit medicijn."

B. De Oog-Test voor Kankermedicijnen
Sommige kankermedicijnen (ADC's) hebben een neveneffect: ze maken de ogen droog of rood.

• Vergelijking: Stel je voor dat je een sleutel hebt die een deur openmaakt, maar per ongeluk ook een raam breekt. Met hun nieuwe atlas konden ze precies zien waar in het oog de sleutel paste. Ze zagen dat bij de aap en de mens precies dezelfde cellen in het oog reageerden. Dit helpt om te voorspellen of een patiënt last zal krijgen van droge ogen, zonder dat je eerst een dier moet testen.

C. De "Valse Alarm" (Waarom apen soms NIET werken)
Soms werkt een medicijn perfect bij apen, maar faalt het catastrofaal bij mensen. Een beroemd voorbeeld is een medicijn voor het afweersysteem (CD28).

• Vergelijking: Het is alsof je een auto test op een racecircuit, maar vergeet dat de echte weg een modderpoel heeft. De onderzoekers zagen in hun atlas dat mensen een heel specifiek type immuuncel hebben dat apen niet hebben. Dat is de reden waarom dat ene medicijn bij mensen een enorme reactie gaf, maar bij apen niets deed.
• Met deze atlas kunnen we nu voorspellen: "O, dit medicijn werkt op een celtype dat apen niet hebben. Laten we die aaptest overslaan en een andere methode gebruiken."

4. De Grootte van de Impact

Dit werk is een enorme stap voorwaarts voor de 3R's (Replace, Reduce, Refine - Vervangen, Verminderen, Verfijnen):

• Verminderen: We hoeven minder apen te gebruiken omdat we eerst digitaal kunnen checken of het zin heeft.
• Verfijnen: Als we wel een aap gebruiken, weten we precies waar we moeten kijken, zodat we minder onzekerheid hebben.
• Vervangen: Op termijn kunnen we misschien zelfs helemaal zonder apen, als we deze digitale modellen sterk genoeg maken.

Samenvatting

Kortom: De onderzoekers hebben een gigantische, digitale "Google Maps" voor het lichaam van de aap gemaakt. Ze hebben deze kaart gekoppeld aan de menselijke kaart met een slimme computer-vertaler. Hierdoor kunnen we medicijnen veiliger maken, sneller zien welke tests nuttig zijn en welke niet, en uiteindelijk minder dieren in het laboratorium gebruiken. Het is een voorbeeld van hoe slimme technologie en data ons helpen om ethischer en slimmer te werken.

Technische samenvatting

Probleemstelling

Non-human primates (NHP's), en specifiek de Macaca fascicularis (cynomolgus-aap), zijn essentieel voor de preklinische veiligheidsevaluatie van biologische geneesmiddelen vanwege hun hoge genetische en fysiologische overeenkomst met de mens. Echter, er zijn twee kritieke beperkingen:

1. Regulatorische druk: Er is toenemende druk van regelgevers (zoals de FDA en EFPIA) om het gebruik van dieren in onderzoek te verminderen, verfijnen en vervangen (de 3R-principes).
2. Datafragmentatie: Er ontbreekt een gestandaardiseerd, goed geannoteerd single-cell atlas voor de cynomolgus-aap. Bestaande datasets zijn vaak beperkt tot specifieke organen, gebruiken verschillende methodologieën, hebben inconsistente annotaties en zijn moeilijk te vergelijken. Dit beperkt de mogelijkheid om doelwitkwalificatie (target qualification) en mechanistische interpretatie van toxiciteit op celniveau uit te voeren.

Methodologie

De auteurs hebben een schaalbaar computergestuurd raamwerk ontwikkeld om heterogene single-cell transcriptomiedatasets te integreren en te harmoniseren.

• Dataverzameling: Er zijn 30 openbare studies geïntegreerd, resulterend in een dataset van 2,59 miljoen cellen afkomstig van 57 anatomische locaties, 43 organen en 14 fysiologische systemen. Alleen controlegroepen uit case-control studies werden gebruikt.
• Kwaliteitscontrole (QC): Voor datasets met ruwe sequencing-data werd een strenge QC-pijplijn toegepast (met CellRanger, SoupX voor ambient RNA, en Scrublet voor doublets). Cellen met hoge mitochondriale genexpressie (>35%) of extreme uitbijters in sequentie diepte werden verwijderd.
• Cross-species Integratie met UCE:
  • In plaats van traditionele ortholoog-mapping, gebruikten de auteurs Universal Cell Embeddings (UCE), een foundation model dat is getraind op multi-species single-cell data zonder gebruik van celtype-labels.
  • Zowel de M. fascicularis data als de menselijke referentie (Tabula Sapiens V2, 28 organen) werden ingebed in een gedeelde 1280-dimensionale ruimte.
• Celtype-annotatie:
  • Een k-Nearest Neighbors (KNN) model (k=20) werd getraind op de menselijke UCE-embeddings om celtypen in de NHP-datasets te voorspellen.
  • Voor organen zonder menselijk equivalent werden labels overgedragen van andere geannoteerde NHP-studies.
  • Alleen voorspellingen met een posterior probability $\ge$ 0.5 werden behouden; anders werden cellen als "undefined" gemarkeerd.
• Validatie: De kwaliteit van de annotatie werd gevalideerd door de voorspelde labels te vergelijken met originele annotaties uit bestaande studies (bijv. Han et al., 2022 en Qu et al., 2022).

Belangrijkste Bijdragen

1. Eerste Grootste Atlas: Dit is tot nu toe de grootste en meest uitgebreide single-cell atlas voor Macaca fascicularis, die 27 organen bevat die zijn geannoteerd via menselijke referenties.
2. Schaalbaar Framework: Het bewijst dat foundation models (UCE) effectief kunnen worden gebruikt om celidentiteiten over soorten heen te harmoniseren zonder het model opnieuw te hoeven trainen.
3. Translatie-instrument: Het biedt een modulaire methode om doelwitexpressie op celniveau te vergelijken tussen mens en aap, wat cruciaal is voor het beoordelen van de voorspellende waarde van NHP-studies.

Resultaten

• Kwaliteit van Annotatie: De overdracht van labels toonde een hoge voorspellingszekerheid (mediaan posterior probability van 0.95 voor mens-naar-NHP). Er was goede overeenkomst in celtype-identiteit, hoewel er soms verschillen waren in de granulariteit (bijv. samenvoegen van subtypen in de referentie).
• Doelwitexpressie en Toxiciteit:
  • Overeenkomst: Voor targets zoals CD44, CD47 en F3 (Tissue Factor) werd een sterke overeenkomst gevonden in expressiepatronen tussen mens en aap, wat overeenkomt met bekende toxiciteiten (bijv. huid- en oogtoxiciteit).
  • Single-cell Resolutie: Bij targets zoals EGFR en NECTIN4 was expressie op orgaanniveau laag, maar toonde single-cell analyse aan dat deze sterk geconcentreerd zijn in specifieke subpopulaties (bijv. keratinocyten en sebocyten). Dit verklaart huidtoxiciteit die op orgaanniveau niet zichtbaar zou zijn.
• Oogtoxiciteit bij ADC's: De atlas onthulde dat targets van Antilichaam-Geneesmiddel Conjugaten (ADC's) zoals NECTIN4 en ERBB2 tot expressie komen in conjunctivale en corneaal epitheelcellen. Dit biedt een mechanistische verklaring voor oogbijwerkingen. Er werden ook soortspecifieke verschillen gevonden (bijv. bij FOLR1), wat wijst op potentiële translatiekloven.
• Immunologie (CD28): Analyse van T-cel subpopulaties toonde aan dat CD28-expressie in menselijke CD4+ effector memory T-cellen (geassocieerd met de TGN1412-catastrofe) niet volledig wordt weerspiegeld in de cynomolgus-aap. Dit benadrukt het belang van single-cell resolutie om soortspecifieke immunologische risico's te detecteren.

Betekenis en Impact

Deze studie levert een cruciale resource voor de farmaceutische industrie en regelgevers:

• 3R-Implementatie: Het stelt onderzoekers in staat om op basis van data gefundeerde beslissingen te nemen over wanneer NHP-studies noodzakelijk zijn, wanneer ze kunnen worden verfijnd (gerichte weefselanalyse) en wanneer alternatieve methoden (NAMs) mogelijk zijn.
• Risicobeperking: Door celtype-specifieke expressie te analyseren, kunnen potentiële toxiciteiten eerder worden geïdentificeerd en mechanistisch worden verklaard, wat leidt tot veiligere geneesmiddelen.
• Toekomstbestendig: Het raamwerk is uitbreidbaar naar andere soorten en experimentele contexten, en ondersteunt de overgang naar een meer mensgerichte, mechanistische benadering van preklinische veiligheidsevaluatie.

Kortom, dit werk transformeert gefragmenteerde NHP-data in een gestandaardiseerde, cross-species resource die de voorspellende waarde van preklinisch onderzoek vergroot en het ethische gebruik van dieren optimaliseert.