Les processus mutationnels du cancer de l’ovaire déterminent le site

Nature volume 612, pages 778-786 (2022)Citer cet article

46 000 accès

20 citations

122 Altmétrique

Détails des métriques

Le cancer séreux de l'ovaire de haut grade (HGSOC) est un cancer archétypal d'instabilité génomique1,2,3,4 caractérisé par des processus mutationnels distincts5,6, une hétérogénéité tumorale7,8,9 et une propagation intrapéritonéale7,8,10. Les immunothérapies ont eu une efficacité limitée dans HGSOC11,12,13, soulignant un besoin non satisfait d'évaluer comment les processus mutationnels et les sites anatomiques des foyers tumoraux déterminent les états immunologiques du microenvironnement tumoral. Ici, nous avons effectué une analyse intégrative du séquençage du génome entier, du séquençage de l’ARN unicellulaire, de l’histopathologie numérique et de l’immunofluorescence multiplexée de 160 sites tumoraux provenant de 42 patients naïfs de traitement avec HGSOC. Les tumeurs HRD-Dup (de type mutant BRCA1) et HRD-Del (de type mutant BRCA2) déficientes en recombinaison homologue hébergeaient une signalisation inflammatoire et une immunoédition continue, ce qui se traduisait par une perte de diversité HLA et une infiltration tumorale avec des lymphocytes T CD8+ dysfonctionnels hautement différenciés. En revanche, les tumeurs portant une inversion de repli présentaient une signalisation immunosuppressive élevée du TGFβ et une exclusion immunitaire, avec principalement des cellules T naïves/de type tige et mémoire. Les associations d'états phénotypiques étaient spécifiques aux sites anatomiques, mettant en évidence les différences de composition, topologiques et fonctionnelles entre les tumeurs annexielles et les foyers péritonéaux distaux. Nos résultats impliquent les sites anatomiques et les processus mutationnels en tant que déterminants de la divergence phénotypique évolutive et des mécanismes de résistance immunitaire dans le HGSOC. Notre étude fournit un substrat de données sur le phénotype cellulaire multiomique à partir duquel développer et interpréter les futures approches immunothérapeutiques personnalisées et la recherche sur la détection précoce.

Les principales caractéristiques déterminantes du cancer séreux de l'ovaire de haut grade (HGSOC) sont de profondes variations structurelles sous la forme d'altérations du nombre de copies et de réarrangements génomiques, qui s'accumulent sur un fond génétique de mutation TP53 presque omniprésente14. Les altérations somatiques et germinales des gènes de la voie de réparation de la recombinaison homologue (HR), tels que BRCA1 et BRCA2, conduisent à un déficit en HR (HRD) dans environ la moitié des cas de HGSOC15. Au-delà des altérations génétiques, les patients se stratifient par processus mutationnels endogènes3,16, comme le déduisent les modèles de variation structurelle dans le séquençage du génome entier (WGS), y compris les sous-types HRD (duplications en tandem associées à BRCA1, HRD-Dup ; délétions interstitielles associées à BRCA2, HRD-Del ), les tumeurs porteuses d'inversion de repli (FBI) associées à l'amplification CCNE1 et les tumeurs porteuses de duplicateur tandem (TD) associées à CDK125,6.

HGSOC présente un défi clinique distinctif résultant de la maladie intrapéritonéale répandue au moment du diagnostic. Une longue latence permet à de larges périodes de diversification clonale et d’interactions tumeur-immunité de se dérouler dans les microenvironnements hétérogènes de la cavité péritonéale7,10,17. Cela soulève des questions clés sur la manière dont les processus mutationnels sous-jacents et les sites tissulaires locaux influencent la sélection clonale, les microenvironnements tumoraux (TME) et la reconnaissance immunitaire. Nous avons réalisé une étude prospective, capturant les processus mutationnels du WGS, les phénotypes cellulaires du séquençage d'ARN unicellulaire (scRNA-seq) et la topologie spatiale de l'imagerie cellulaire multiplexée in situ dans des cas multisites de HGSOC. Nos résultats identifient des mécanismes immunostimulateurs et immunosuppresseurs distincts qui co-ségrégent avec les sites de maladie et les processus mutationnels, définissant ainsi de nouveaux déterminants de la reconnaissance et de l'évasion immunitaires dans le HGSOC.

Des biopsies tissulaires multi-sites (n = 160) ont été collectées auprès de patients nouvellement diagnostiqués et naïfs de traitement (n = 42) subissant une laparoscopie ou une chirurgie de réduction primaire sur une période de 24 mois (Fig. 1a). La collecte a eu lieu sur des sites anatomiques, notamment les annexes (c'est-à-dire les lésions primaires potentielles), l'omentum, le péritoine, l'intestin, l'ascite et d'autres sites intrapéritonéaux (données étendues, figure 1a). Les caractéristiques cliniques de tous les patients sont résumées dans les données étendues, figure 1b et dans le tableau supplémentaire 1. Les échantillons de patients ont été profilés à l'aide de scRNA-seq sur des fractions triées en flux CD45 + et CD45− (tableau supplémentaire 2), coloration à l'hématoxyline et à l'éosine (H&E) et immunofluorescence multiplexée (mpIF) sur des coupes de tissus fixes, séquençage normal de tumeur clinique de 468 gènes du cancer par MSK-IMPACT et séquençage normal de tumeur du génome entier (données étendues, Fig. 1a, b et méthodes). Les profils de nombre de copies WGS étaient très concordants avec une « méta-cohorte » externe dérivée de plusieurs études HGSOC WGS5 (Extended Data Fig. 2a). L'inférence de signature mutationnelle à partir des données WGS a donné 16 tumeurs HRD-Dup, 6 HRD-Del et 14 tumeurs FBI (Données étendues Fig. 1b et 2b, c et Tableaux supplémentaires 1 et 3), avec des caractéristiques du modèle cohérentes avec les rapports précédents5 (Données étendues Fig. 2d, e), stable dans plusieurs méthodes informatiques 18, 19 et en accord avec les mutations BRCA1 et BRCA2 et les tests cliniques HRD (Extended Data Fig. 2b). De plus, les tumeurs avec des amplifications de haut niveau dans CCNE1 (Données étendues, Fig. 2f) et MYC présentaient les distributions attendues des amplifications de gènes au sein des attributions de signature et des corrélats d'expression des gènes agissant en cis (Données étendues, Fig. 2g, h).

80%. In c, e and g, box plots and violin plots show the median, top and bottom quartiles; whiskers correspond to 1.5× IQR. In a–e, only BAF estimates from cells with ≥10 reads aligning to 6p were considered and allelic imbalance states were assigned on the basis of the mean 6p BAF per cell as follows: balanced, BAF ≥ 0.35; imbalanced, 0.15 ≤ BAF < 0.35; LOH, BAF < 0.15 (Methods)./p>

0.25 and Benjamini–Hochberg-adjusted P < 0.05. Clusters were annotated on the basis of marker genes identified in differential gene expression analysis. Patient-specific clusters not represented across the full cohort were identified using relative entropy. Relative entropy per cluster was defined as the maximum entropy per cluster divided by the empirical entropy of patient compositions. Clusters with a relative entropy of <0.8 were considered patient-specific clusters and disregarded for downstream analyses./p> 0\) implies \({N}_{c}^{j}=0\)). We only considered the triangular distance matrix D such that i < j. The pairwise distance matrix was estimated by randomly subsampling the dataset with a minimum number of cells per sample and averaging over the subsampled datasets after 100 iterations. We then evaluated intra- and inter-patient dissimilarity on the basis of the distributions of the off-diagonal elements in the averaged distance matrix (for example, all pairs of adnexal samples or all pairs of HRD-Dup samples)./p>0 in >10% of cells) and the fraction of receiver cells (T cell clusters) expressing the PD-1 receptor (PDCD1 read counts >0 in >10% of cells) for every patient. Co-expression networks were constructed as follows: for a given group of patients of the same mutational subtype (Extended Data Fig. 13f), an edge was drawn between sender cell clusters and receiver cell clusters if the ligands (CD274 or PDCD1LG2) and receptor (PDCD1) were co-expressed in the sender and receiver subclusters for at least 50% of patients in that group./p>

0.1 were defined as HRD. We also applied CHORD19 to validate HRD status and stratification of HRD-Dup from HRD-Del cases. CHORD incorporates SNVs, indels and structural variations and relies on duplications (1–100 kb) to distinguish BRCA1-like from BRCA2-like HRD./p>