基于多组学整合解析肿瘤微环境免疫逃逸新机制——以单细胞与空间转录组联合分析为例

《Frontiers in Plant Science》:The NF-Y gene family in Rosa: evolutionary divergence across three species and potential roles in heat tolerance and secondary metabolism

【字体: 大 中 小 】 时间:2026年10月08日 来源:Frontiers in Plant Science 5.9

编辑推荐:

  摘要:肿瘤微环境(tumor microenvironment, TME)中免疫细胞的异质性及其与肿瘤细胞间的空间互作是决定免疫治疗疗效的关键因素。然而,传统转录组测序(bulk RNA-seq)无法解析细胞亚群特异性表达程序及空间组织架构。研究人员整合单细胞

  
摘要:肿瘤微环境(tumor microenvironment, TME)中免疫细胞的异质性及其与肿瘤细胞间的空间互作是决定免疫治疗疗效的关键因素。然而,传统转录组测序(bulk RNA-seq)无法解析细胞亚群特异性表达程序及空间组织架构。研究人员整合单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)与空间转录组学(spatial transcriptomics, ST)数据,对来自3个独立队列的72例非小细胞肺癌(non-small cell lung cancer, NSCLC)样本进行系统分析。通过无监督聚类鉴定出8种肿瘤相关巨噬细胞(tumor-associated macrophage, TAM)亚群,其中SPP1+ TAM亚群在免疫治疗无应答者中显著富集,且其空间定位与CD8+ T细胞排斥区域高度重叠。细胞通讯分析(CellChat)揭示SPP1+ TAM通过MIF-CD74/CXCR4轴抑制T细胞浸润与活化。此外,研究人员构建了基于TAM亚群特征的基因签名(TAM.Sig),在外部验证队列中可有效预测免疫检查点抑制剂(immune checkpoint inhibitor, ICI)治疗应答(AUC=0.86)。本研究揭示了TME中免疫抑制性细胞亚群的空间组织模式及其分子机制,为开发针对TAM的联合免疫治疗策略提供了理论依据。

肿瘤微环境免疫逃逸的空间解码:单细胞与空间转录组联合解析SPP1?巨噬细胞介导的T细胞排斥机制

一、研究背景与科学问题

肿瘤免疫治疗,尤其是免疫检查点抑制剂(immune checkpoint inhibitor, ICI)疗法,已显著改变晚期恶性肿瘤的治疗格局。然而,临床数据显示仅约20%-40%的患者能够获得持久应答,原发性耐药成为制约免疫治疗疗效的核心瓶颈。既往研究多聚焦于肿瘤细胞内在的突变负荷或新抗原表达,但越来越多的证据表明,肿瘤微环境(tumor microenvironment, TME)中免疫细胞的功能状态与空间组织结构在决定治疗应答中同样发挥关键作用。传统转录组测序(bulk RNA-seq)虽能提供组织整体的基因表达平均水平,却无法解析细胞亚群特异性的转录程序及其空间分布特征,这严重限制了对免疫逃逸复杂机制的深入理解。

二、研究内容与主要结论

针对上述问题,研究人员整合单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)与空间转录组学(spatial transcriptomics, ST)技术,对来自3个独立队列的72例非小细胞肺癌(non-small cell lung cancer, NSCLC)样本进行多组学系统分析。研究核心目标在于:第一,绘制TME中免疫细胞亚群的高分辨率转录图谱;第二,解析免疫抑制性细胞亚群的空间组织模式;第三,揭示介导T细胞排斥的关键分子通路;第四,构建可预测免疫治疗应答的基因签名。
研究得出以下核心结论:肿瘤相关巨噬细胞(tumor-associated macrophage, TAM)呈现高度异质性,共鉴定出8种功能不同的亚群;其中SPP1? TAM亚群特异性富集于ICI无应答患者肿瘤组织;该亚群在空间上定位于CD8? T细胞排斥区域边缘,形成物理屏障;细胞通讯分析揭示SPP1? TAM通过MIF-CD74/CXCR4信号轴主动抑制T细胞趋化与活化;基于该亚群特征构建的TAM.Sig基因签名在独立验证队列中展现出优异的疗效预测效能(AUC=0.86)。

三、关键技术方法概述

本研究主要依赖以下核心技术手段:其一,单细胞RNA测序(scRNA-seq),用于解析TME中免疫细胞亚群组成及转录异质性;其二,空间转录组学(spatial transcriptomics, ST),用于保留组织原位空间信息的基因表达谱分析,揭示细胞亚群的空间共定位关系;其三,无监督聚类算法,用于鉴定TAM亚群;其四,细胞通讯分析(CellChat),用于推断细胞间配体-受体相互作用网络。样本来源为3个独立NSCLC队列,共72例肿瘤组织标本,涵盖ICI治疗应答与无应答患者。

四、研究结果分述

4.1 TME免疫细胞图谱的构建

通过scRNA-seq对NSCLC肿瘤组织进行无监督聚类分析,研究人员成功鉴定出包括T细胞、B细胞、自然杀伤细胞(natural killer cell, NK)、树突状细胞(dendritic cell, DC)及巨噬细胞在内的主要免疫细胞类群。其中TAM呈现显著的转录异质性,可细分为8个功能不同的亚群,各亚群在代谢特征、炎症因子表达及趋化因子受体谱上存在明显差异。

4.2 SPP1? TAM亚群与免疫治疗耐药的相关性

比较ICI应答与无应答患者的TAM亚群组成,发现SPP1? TAM亚群在无应答者肿瘤组织中显著富集,且其丰度与患者无进展生存期(progression-free survival, PFS)呈负相关。该亚群高表达SPP1、TREM2及APOE等免疫抑制相关基因,提示其可能作为免疫逃逸的关键执行者。

4.3 空间组织模式揭示T细胞排斥机制

空间转录组分析显示,SPP1? TAM在肿瘤组织中形成聚集性分布,其空间位置与CD8? T细胞浸润区域存在显著排斥关系。定量空间分析表明,SPP1? TAM高密度区域中CD8? T细胞密度显著降低,提示该亚群可能通过物理屏障或分泌性因子阻碍T细胞进入肿瘤实质。

4.4 细胞通讯网络解析分子机制

利用CellChat分析配体-受体互作网络,研究人员发现SPP1? TAM与CD8? T细胞间存在显著的MIF-CD74/CXCR4信号通路激活。功能实验证实,阻断MIF-CD74/CXCR4轴可恢复T细胞的迁移能力与杀伤活性,表明该通路是介导T细胞排斥的直接分子机制。

4.5 预测性基因签名的构建与验证

基于SPP1? TAM亚群的特征基因,研究人员构建了TAM.Sig基因签名,并利用独立外部队列进行验证。结果显示,TAM.Sig能有效区分ICI治疗应答者与无应答者,受试者工作特征曲线下面积(area under the curve, AUC)达0.86,优于传统单一标志物(如PD-L1表达水平)的预测效能。

五、讨论与结论

5.1 讨论总结

本研究系统揭示了TME中TAM亚群的功能异质性及其空间组织模式,明确了SPP1? TAM作为免疫抑制核心节点的关键地位。研究结果强调,仅关注单一免疫标志物不足以全面评估TME的免疫状态,细胞亚群的空间互作关系同样是决定治疗应答的重要因素。MIF-CD74/CXCR4轴的发现为联合治疗策略提供了新靶点,提示靶向TAM亚群或阻断该信号通路可能逆转T细胞排斥状态,增强ICI疗效。

5.2 研究结论

本研究通过整合单细胞与空间转录组数据,首次在NSCLC中系统描绘了TAM亚群的空间分布图谱及其与CD8? T细胞排斥的因果关系,鉴定出SPP1? TAM及其MIF-CD74/CXCR4信号轴作为免疫治疗耐药的关键驱动因素。构建的TAM.Sig基因签名具有较高的临床转化价值,可作为ICI疗效预测的新型生物标志物。本研究为开发基于TAM重编程的联合免疫治疗策略奠定了理论基础,并为多组学整合方法在肿瘤免疫研究中的应用提供了范式参考。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号