Mohit Singh
Le développement de nouveaux médicaments oncologiques est grandement entravé par l'hétérogénéité des tumeurs. Trouver de nouvelles cibles et des systèmes modèles utiles nécessite une compréhension du paysage spatial des tumeurs. Ici, en profilant 40 tranches de tissus et 80 024 sites de capture à travers une variété de types de tissus, de formats d'échantillons et de chimies de capture d'ARN, nous étudions l'utilité de la transcriptomique spatiale (ST) pour la découverte en oncologie. En utilisant une analyse de pathologie appariée, qui donne une vérité fondamentale sur la composition des sections de tissus, nous validons la précision et l'intégrité de la ST. Ensuite, en utilisant des données spatiales, nous montrons comment des paramètres importants de profondeur de tumeur tels que l'hypoxie, la nécrose, la vascularisation et le changement de la matrice extracellulaire peuvent être capturés. Dans les modèles de cancer syngéniques, nous utilisons également le contexte spatial pour identifier les emplacements relatifs des types de cellules qui démontrent l'anti-corrélation des cellules tumorales et immunitaires. Dans les échantillons cliniques d'adénocarcinome pancréatique, nous démontrons des méthodes d'identification de cibles et mettons en évidence des indicateurs intrinsèques de la tumeur et la signalisation paracrine.