Explorando a paisagem transcricional do câncer de mama triplo negativo (TNBC): uma abordagem integrada de transcriptômica espacial e de células únicas

Abstract

O câncer compreende um grupo de mais de 100 doenças, caracterizadas pelo crescimento descontrolado de células em diferentes partes do corpo, frequentemente levando à formação de tumores que podem se disseminar para outros órgãos. O câncer de mama, que afeta principalmente as mulheres, está previsto para aumentar em 47% até o ano de 2040, em grande parte devido ao aumento na prevalência de fatores de risco. É importante notar que o câncer de mama não se limita a um único tipo de doença, mas inclui diversos subtipos, sendo o Câncer de Mama Triplo Negativo (TNBC) o subtipo mais agressivo e com pior prognóstico. A complexidade e a natureza evolutiva do TNBC e de outros cânceres representam um desafio significativo no tratamento. Para compreender essa heterogeneidade, métodos de transcriptômica têm sido desenvolvidos e são atualmente utilizados para obter uma melhor compreensão do câncer. Nesse contexto, o objetivo deste trabalho é caracterizar o microambiente tumoral do TNBC, tanto em nível de células individuais quanto em nível espacial, com o intuito de identificar possíveis células e fatores imunossupressivos. Para alcançar esse objetivo, foram coletados dados de transcriptômica de células únicas (sc- RNAseq) e de transcriptômica espacial (ST) de amostras de TNBC publicadas em artigos científicos. Esses dados foram pré-processados usando o pacote Framework for Unified Single Cell Analysis (FUSCA). Em seguida, os dados de quatro amostras de ST foram deconvoluídos com o pacote SPOTlight, anotados com base na matriz de deconvolução e posteriormente analisados quanto à interação celular com o algoritmo CellComm. Os dados de scRNA-seq resultaram em uma clusterização de 42.507 células, distribuídas em 36 clusters diferentes, que foram anotados com base nos metadados do artigo original, resultando em 9 clusters distintos. A validação dos genes marcadores encontrados foi realizada com a utilização dos bancos de dados PanglaoDB e CellMarker 2.0, e demonstrou-se satisfatória, confirmando que os genes identificados correspondiam aos tipos celulares anotados. Notavelmente, 4 dos 5 genes encontrados para as células de Câncer Epitelial já haviam sido associados ao câncer, incluindo S100A9, S100A8, KRT19 e CD24. Quanto aos dados espaciais deconvoluídos, foram identificadas algumas interações entre Fibroblastos Associados ao Tumor (CAFs) e Células T, que foram analisadas de forma mais específica na amostra 3. Nessas análises, foram observadas algumas interações interessantes entre ligantes e receptores, como MIF – CD74 e RPS19 – RPSA, que já foram descritas na literatura como pró-tumorais. O gene APOE também apresentou alta expressão e parece ter alguma relevância no contexto do câncer. Também foi analisada a formação de miofibroblastos LRRC15 + imunossupressivos, mas estes não foram detectados. Foram também identificadas possíveis vias interessantes de imunossupressão por iCAFs via ligantes TGFB1 e MMP9. Os resultados obtidos aqui podem servir como um passo inicial para o melhor entendimento do microambiente tumoral de TNBC e elicitam mais análises de outros subtipos de câncer para o encontro de possíveis padrões transcricionais em câncer de mama.

Cancer encompasses a group of over 100 diseases characterized by uncontrolled cell growth in different parts of the body, often leading to the formation of tumors that can spread to other organs. Breast cancer, primarily affecting women, is projected to increase by 47% by the year 2040, largely due to the rising prevalence of risk factors. It is important to note that breast cancer is not limited to a single disease type but includes various subtypes, with Triple- Negative Breast Cancer (TNBC) being the most aggressive and having a poorer prognosis. The complexity and evolutionary nature of TNBC and other cancers pose a significant challenge in treatment. To understand this heterogeneity, transcriptomic methods have been developed and are currently used to gain a better understanding of cancer. In this context, the aim of this study is to characterize the tumor microenvironment of TNBC, both at the single- cell level and spatially, with the intention of identifying potential immunosuppressive cells and factors. To achieve this goal, single-cell transcriptomic data (sc-RNAseq) and spatial transcriptomic data (ST) from TNBC samples published in scientific articles were collected. These data were pre-processed using the Framework for Unified Single Cell Analysis (FUSCA) package. Subsequently, the data from four ST samples were deconvoluted using the SPOTlight package, annotated based on the deconvolution matrix, and further analyzed for cell-cell interactions using the CellComm algorithm. The scRNA-seq data resulted in clustering 42,507 cells distributed across 36 different clusters, which were annotated based on the original article metadata, resulting in 9 distinct clusters. Validation of the identified marker genes was performed using the PanglaoDB and CellMarker 2.0 databases, and it proved satisfactory, confirming that the identified genes corresponded to the annotated cell types. Notably, 4 out of the 5 genes found for Epithelial Cancer cells had previously been associated with cancer, including S100A9, S100A8, KRT19, and CD24. Regarding the deconvoluted spatial data, some interactions between Cancer-Associated Fibroblasts (CAFs) and T Cells were identified, which were further analyzed in sample 3. These analyses revealed some interesting interactions between ligands and receptors, such as MIF – CD74 and RPS19 – RPSA, which have been described in the literature as pro-tumorigenic. The APOE gene also showed high expression and appears to be relevant in the context of cancer. The formation of immunosuppressive LRRC15+ myofibroblasts was also analyzed, but these were not detected. Possible interesting pathways of immunosuppression by iCAFs via TGFB1 and MMP9 ligands were also identified. The results obtained here can serve as an initial step in better understanding the TNBC tumor microenvironment and prompt further analyses of other cancer subtypes to discover potential transcriptional patterns in breast cancer.