Identificando Interações Celular-Celular em Transcriptômica Espacial de Carcinoma de Células Renais Claras

Resumo Introdução: A transcriptômica espacial de célula única fornece dados ricos para os perfis de expressão gênica em resoluções celulares. Este nível de dados oferece a capacidade de estimar interações entre células e associar essas interações a informações clínicas, como sobrevida ou resposta à imunoterapia. Anteriormente, mostramos que COL4A1 e ITGAV são significativamente mais enriquecidos espacialmente em tumores primários de carcinoma de células claras renais (ccRCC) após exposição à imunoterapia (IO), mostrando especificamente alta expressão em células malignas e fibroblastos/miofibroblastos. Avaliamos essa interação usando K=3, mas a proximidade espacial também é uma consideração importante a explorar. Métodos: Para abordar o contexto espacial verdadeiro, desenvolvemos uma abordagem de análise funcional de dados para perfilar interações celular-celular em diferentes escalas espaciais. Usamos 14 FOVs do compartimento estromal (8x IO virgens, 6x IO expostos) de Soupir et al. (2024). Moran’s I bivariado foi calculado para COL4A1 e ITGAV usando pesos padronizados por linha a partir de distâncias transformadas gaussianamente. A largura de banda do kernel variou de 0 a 250 para calcular Moran’s I como função da largura de banda, I(h), usando 100 permutações para determinar aleatoriedade espacial completa (CSR). CSR foi subtraído de I(h) (Grau de I(h)) para tornar os valores comparáveis entre amostras. Usamos análise de componentes principais funcionais (FPC) para analisar as curvas completas do Grau de I(h). As pontuações FPC foram usadas para comparar os tumores IO virgens e IO expostos. Resultados da nossa abordagem foram comparados ao SpatialDM, outra abordagem baseada em Moran’s I, com h=75. Resultados: FOVs de tumores expostos à IO mostraram uma curva distinta e positiva do Grau de I(h) com pico em largura de banda entre 25-50, enquanto FOVs de tumores IO virgens foram únicos em forma ou sinal do Grau de I(h). O cálculo dos FPCs de todas as curvas Grau de I(h) mostrou que FPC1 descreve a força geral da relação espacial (pontuações positivas indicam interação elevada geral e negativas interação diminuída geral) enquanto FPC2 indica se a interação ocorre em escala próxima/distante. Plotando FPC2 vs FPC1, FPC1 separa perfeitamente FOVs IO virgens de IO expostos (Teste Wilcox p=0,00067, onde FOVs IO expostos têm pontuação FPC1 positiva e FPC2 perto de 0 — sem mudança em próximo/distante). O I global do SpatialDM não mostrou diferenças significativas entre exposições à IO (Teste Wilcox p=0,1079). Conclusão: A aplicação da nossa abordagem ao ccRCC indica que COL4A1 e ITGAV nestes FOVs de estroma de tumores primários de ccRCC expostos à IO estão mais fortemente relacionados espacialmente em várias escalas do que em FOVs de estroma de tumores primários IO virgens. Nossa abordagem também mostrou associação espacial significativamente mais forte que o SpatialDM. Mais pesquisas são necessárias para entender melhor a causa subjacente dessa mudança, o que pode levar a novos alvos farmacológicos. Formato de Citação: Alex C. Soupir, Mitchell T. Hayes, Brandon J. Manley, Lauren Cole Peres, Julia Wrobel, BROOKE FRIDLEY. Identifying cell-cell interactions across spatial scales in spatial transcriptomics abstract. Em: Proceedings of the American Association for Cancer Research Annual Meeting 2026; Part 1 (Regular Abstracts); 2026 Apr 17-22; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2026;86(7 Suppl):Abstract nr 5442.