Preview

PDF, English - main document Download (33MB) | Terms of use

Abstract

Over the course of the last decade, the world health organization (WHO) classification of tumors of the central nervous system (CNS) has started to incorporate different molecular insights as decision criteria for the categorization of different tumor types, which have promoted the surge of novel tumor types and subtypes. While methodology advances have enabled for an easier and more accurate diagnosis of the tumor cases, the underlying biology and tumor heterogeneity between tumor types and subtypes remain to be fully elucidated. This is evidenced by the dismal prognosis some tumor subtypes possess, underscoring the need for more effective and subtype-targeted tumor therapies.

Developing in parallel to the new CNS tumor classification, single-cell technologies have emerged as very powerful approaches to perform comparative analysis of tumor subtypes at different Omics layers, including transcriptomics and chromatin accessibility. Within this context, the two research projects I have worked on during my PhD focused on understanding the tumor heterogeneity depicted by the various IDH-mutant glioma or atypical teratoid/rhabdoid tumor (ATRT) subtypes.

In both cases, single-cell analyses identified a novel tumor cell subpopulation. In the case of IDH-mutant gliomas, this was a non-cycling, ribosomal-enriched tumor cell population harboring a stemness phenotype and exhibiting expression of elongation factors and oncogenes (annotated as RE). For ATRTs, a “rhabdoid ground-state” tumor cell population was identified and characterized across all SMARCB1-deficient ATRT subtypes, which presented high stemness activity, together with an expression profile resembling that of neuroblasts with cycling activity (annotated as IPC-like). Both these tumor cell populations in IDH-mutant gliomas and ATRTs, upon validation in external datasets, hold promise for the development of subtype-specific therapies, albeit further research is still needed.

Further analyses on the IDH-mutant glioma cohort revealed a differential composition of tumor-associated macrophages (TAM) across subtypes, with an increased prevalence of pro-inflammatory TAM states in astrocytomas, for which immunohistochemistry (IHC) staining revealed elevated p-STAT1 expression, suggesting the promotion of a pro-inflammatory microenvironment in astrocytomas. Longitudinal analyses on paired primary-recurrent astrocytomas sample pairs demonstrated that the composition of tumor cell types across patients at tumor recurrence remained consistent, emphasizing their therapeutic potential.

Subsequent analyses on the ATRT cohort are still being carried out. These include the examination of the single-cell chromatin accessibility data, and the characterization of the crosstalk between both tumor cell populations and the tumor and its microenvironment. Additional experiments encompass the validation, in ATRT organoid models, of druggable targets designed to push tumor cells into differentiated cell states within ATRT subtype-specific tumor cell lineages. Other analyses include the validation and spatial distribution of the various tumor and TME cell pupations in ATRTs of all three subtypes using spatial transcriptomics.

Finally, in order to address the increasing need of streamlined alternatives to generate high-quality, publication-ready data visualizations of single-cell transcriptomics data, I developed a software package for R, SCpubr. The software tool provides data visualization one-liner functions, the scope of which range from simpler visualization tasks such as inspecting dimensional reduction embeddings, displaying cell type composition, or assessing the expression or enrichment of selected genes, to inspecting the output of more complex analyses, such as copy number variant analysis or gene set enrichment analysis. Altogether, the scientific community has successfully adopted SCpubr for visualizing single-cell transcriptomic data, as evidenced by its growing number of citations.

Translation of abstract (German)

Im Laufe des letzten Jahrzehnts hat die Weltgesundheitsorganisation (WHO) bei der Klassifizierung von Tumoren des Zentralnervensystems (ZNS) damit begonnen, verschiedene molekulare Erkenntnisse als Entscheidungskriterien für die Kategorisierung verschiedener Tumortypen zu berücksichtigen, was eine Welle von neuartigen Tumortypen und -subtypen hervorgerufen hat. Während Fortschritte in der Methodik eine einfachere und genauere Diagnose der Tumorfälle ermöglicht haben, müssen die zugrunde liegende Biologie und Tumorheterogenität zwischen Tumortypen und -subtypen noch vollständig aufgeklärt werden. Dies wird durch die schlechte Prognose einiger Tumorsubtypen belegt und unterstreicht die Notwendigkeit wirksamerer und mehr auf Subtypen spezialisierter Tumortherapien.

Parallel zur neuen Klassifizierung von ZNS-Tumoren entwickelten sich Einzelzelltechnologien als sehr einflussreiche Ansätze für die vergleichende Analyse von Tumorsubtypen auf verschiedenen Omics-Ebenen, einschließlich den Ebenen der Transkriptomik und der Chromatinzugänglichkeit. In diesem Zusammenhang konzentrierten sich die beiden Forschungsprojekte, an denen ich während meiner Doktorarbeit gearbeitet habe, auf das Verstehen der Tumorheterogenität, welche sich in den verschiedenen Subtypen von IDH-Gliomen oder atypischen teratoiden/rhabdoiden Tumoren (ATRT) widerspiegelt. In beiden Fällen identifizierten Einzelzellanalysen eine neuartige Tumorzellsubpopulation. Im Fall der IDH-Gliome handelte es sich um eine nicht proliferierende, ribosomal angereicherte Tumorzellpopulation, die einen stammzellartigen Phänotyp aufwies und sich durch die Expression von Elongationsfaktoren und Onkogenen auszeichnete (annotiert als RE). Für ATRTs wurde eine Tumorzellpopulation mit „rhabdoidem Grundzustand“ über alle SMARCB1-defizienten ATRT-Subtypen hinweg identifiziert und charakterisiert, welche eine hohe stammzellartige Aktivität sowie ein Expressionsprofil aufwies, das dem von Neuroblasten mit proliferierender Aktivität ähnelte (als IPC-ähnlich bezeichnet). Sowohl die genannte Tumorzellpopulation der IDH-Gliome und als auch die der ATRTs scheinen nach Validierung in externen Datensätzen vielversprechend für die Entwicklung subtypspezifischer Therapien, auch wenn hierfür noch weitere Forschung erforderlich sein wird.

Weitere Analysen der IDH-Gliomkohorte ergaben eine unterschiedliche Zusammensetzung von tumorassoziierter Makrophagen (TAM) über die Subtypen hinweg, mit einer erhöhten Prävalenz proinflammatorischer TAM-Zustände bei Astrozytomen, bei welchen die immunhistochemische (IHC) Färbung eine erhöhte p-STAT1-Expression aufzeigte, was auf die Förderung einer proinflammatorischen Mikroumgebung in Astrozytomen schließen lässt. Längsschnittanalysen an Probenpaaren aus primären und rezidivierenden Astrozytomen zeigten, dass die Zusammensetzung der Tumorzelltypen über alle Patienten hinweg beim Tumorrezidiv konstant blieb, was ihr therapeutisches Potenzial unterstreicht.

Nachfolgende Analysen der ATRT-Kohorte werden noch durchgeführt. Dazu gehören die Untersuchung der Daten zur Chromatinzugänglichkeit auf Einzelzellebene und die Charakterisierung der Kommunikation sowohl zwischen Tumorzellpopulationen als auch zwischen dem Tumor und seiner Mikroumgebung. Weitere Experimente umfassen die Validierung von Zielstrukturen, die einer Medikamentenbehandlung zugänglich sind und die darauf ausgelegt sind, Tumorzellen in differenzierte Zellzustände innerhalb ATRT-Subtyp-spezifischer Abstammungslinien zu bringen, in ATRT-Organoidmodellen. Weitere Analysen umfassen die Validierung und Untersuchung der räumlichen Verteilung der verschiedenen Tumor- und TME-Zellpopationen in ATRTs aller drei Subtypen mithilfe räumlicher Transkriptomik. Zu guter Letzt, um dem zunehmenden Bedarf an zielgerichteten Alternativen zur Generierung hochwertiger, publikationsbereiter Datenvisualisierungen von Einzelzell-Transkriptomdaten gerecht zu werden, habe ich ein Softwarepaket für R, SCpubr, entwickelt. Das Softwaretool bietet einzeilige Funktionen zur Datenvisualisierung, deren Umfang von einfacheren Visualisierungsaufgaben wie der Überprüfung von Dimensionsreduktionseinbettungen, der Beschreibung der Zelltypzusammensetzung oder der Beurteilung der Expression oder Anreicherung ausgewählter Gene, bis hin zur Überprüfung der Ergebnisse komplexerer Analysen reicht, wie beispielsweise der Analyse der Kopiezahlvarianten oder Analysen zur Anreicherung von bestimmten Gengruppen. Insgesamt hat die wissenschaftliche Gemeinschaft SCpubr erfolgreich zur Visualisierung transkriptomischer Einzelzelldaten angenommen, was durch die wachsende Zahl von Zitaten demonstriert wird.