基于多组学细胞图谱的口腔鳞状细胞癌肿瘤生态与精准医学策略研究

《Frontiers in Immunology》:Study on tumor ecology and precision medicine strategy of oral squamous cell carcinoma based on multi-omics cell atlas

【字体: 大 中 小 】 时间:2026年10月09日 来源:Frontiers in Immunology 7.0

编辑推荐:

  摘要 引言: 口腔鳞状细胞癌(oral squamous cell carcinoma, OSCC)以肿瘤间及肿瘤内异质性(inter- and intratumoral heterogeneity)为特征,这使患者分层与治疗决策复杂化。尽管单细胞研究提高了O

  
摘要 引言: 口腔鳞状细胞癌(oral squamous cell carcinoma, OSCC)以肿瘤间及肿瘤内异质性(inter- and intratumoral heterogeneity)为特征,这使患者分层与治疗决策复杂化。尽管单细胞研究提高了OSCC微环境的分辨率,但细胞状态、空间组织、免疫组库动态以及患者层面生态系统模式之间的相互关系仍未完全阐明。 方法: 研究人员整合了单细胞RNA测序(single-cell RNA sequencing, scRNA-Seq)、单细胞T细胞受体测序(single-cell T-cell receptor sequencing, scTCR-Seq)、空间转录组学(spatial transcriptomics, ST-Seq)及批量RNA测序(bulk RNA-sequencing)数据以表征OSCC。 结果: 研究人员构建了包含88,442个细胞和63个细胞亚群的多组学细胞图谱,在转录亚群和复发性元程序(meta-programs, MPs)层面揭示了互补的恶性细胞异质性。空间与细胞间通讯分析确定了PI3+癌症相关成纤维细胞(cancer-associated fibroblasts, CAFs)与APC_Myeloid细胞之间可重复的关联,并支持肿瘤微环境内一个候选的胶原相关通讯轴。配对转录组与TCR数据的整合描绘了CD8+ T细胞拟时间连续体,伴随克隆扩增和耗竭相关特征的增加,空间分析将中间轨迹状态与富含调节性T细胞(regulatory T cells, Tregs)和炎性NKT细胞的肿瘤前沿区域联系起来。通过反卷积将单细胞图谱扩展至批量队列,研究人员定义了四种OSCC生态型(ecotypes)和四种协调细胞程序(coordinated cell programs, CCPs),这些生态型和程序捕捉了患者层面的生态系统组织,并显示出独特的分子和临床关联。研究人员开发了用于预后、复发和免疫治疗敏感性的探索性模型,并建立了OSCC Atlas作为数据探索的在线资源。 讨论: 这一整合框架将细胞异质性、空间组织、免疫动态和患者层面生态联系起来,为OSCC的生物学和临床分层提供了可检验的假说。
基于多组学细胞图谱的口腔鳞状细胞癌肿瘤生态与精准医学策略研究:论文解读
一、研究背景与问题
口腔鳞状细胞癌(oral squamous cell carcinoma, OSCC)是头颈部鳞状细胞癌中最常见的类型,具有高发病率和不良预后。尽管手术、化疗、放疗及免疫治疗等综合手段不断进步,但近几十年来OSCC患者的长期生存率并未显著改善。约20%–40%的早期患者术后仍出现局部复发或淋巴结转移,而程序性死亡受体1(programmed cell death protein 1, PD-1)抑制剂在复发或转移性头颈部鳞状细胞癌中的总体缓解率仅约20%。临床上常用的联合阳性分数(combined positive score, CPS)对免疫治疗获益人群的筛选能力有限。OSCC复杂的肿瘤内异质性(intratumoral heterogeneity, ITH)是导致诊疗困难的核心原因之一。既往基于批量转录组定义的分子亚型(如基底型、间充质型、非典型型和经典型)主要停留在描述层面,对患者分层和治疗选择的指导价值尚未充分确立,且无法解析各亚型背后的细胞异质性。因此,亟需从多组学、多维度视角系统刻画OSCC的肿瘤生态系统,以改善患者分层和治疗反应预测。
二、研究内容与主要结论
针对上述问题,研究人员整合了单细胞RNA测序(single-cell RNA sequencing, scRNA-Seq)、单细胞T细胞受体测序(single-cell T-cell receptor sequencing, scTCR-Seq)、空间转录组学(spatial transcriptomics, ST-Seq)和批量RNA测序(bulk RNA-sequencing)数据,从肿瘤生态系统视角对OSCC进行了全面表征,构建了多维细胞图谱,解析了恶性、基质和免疫细胞的异质性及其空间关系,探讨了T细胞状态的动态变化,并进一步定义了OSCC生态型(ecotypes)和协调细胞程序(coordinated cell programs, CCPs),建立了基于细胞组成的预后、复发及免疫治疗敏感性预测模型。该研究为OSCC的生物学和临床分层提供了整合框架和可检验的假说,具有重要的转化意义。
三、主要技术方法
研究人员从基因表达综合数据库(Gene Expression Omnibus, GEO)获取了5个scRNA-Seq队列(GSE103322、GSE172577、GSE212797、GSE195655、GSE185965)及1个序列读段档案库(Sequence Read Archive, SRA)队列(PRJNA650256),共41例原发OSCC样本、117,245个细胞;空间转录组数据来自GSE181300和PRJNA811533;scTCR-Seq数据来自GSE212797(4例患者,4,541个CD8+ T细胞);批量RNA-Seq数据整合了18个队列共1,017例原发OSCC患者。研究采用Seurat进行单细胞无监督聚类,harmony校正批次效应,inferCNV推断拷贝数变异(copy number variation, CNV)以鉴定恶性细胞,非负矩阵分解(nonnegative matrix factorization, NMF)识别肿瘤内异质性表达元程序(meta-programs, MPs),Monocle3推断CD8+ T细胞拟时间轨迹,CellChat和CellPhoneDB进行细胞间通讯分析,stLearn进行空间配体-受体及定向细胞间相互作用分析,CIBERSORT将单细胞图谱反卷积至批量队列,NMF聚类定义生态型和CCPs,oncoPredict基于细胞系药物基因组数据预测药物敏感性,并采用惩罚化回归和十折交叉验证构建临床预测模型。
四、研究结果
细胞图谱构建与恶性细胞异质性: 研究人员对114,148个细胞进行无监督聚类,注释出11种主要细胞类型。基于CNV评分鉴定出8个推定恶性上皮细胞簇(36,879个细胞)。对恶性细胞进行二次聚类,形成7个UMAP定义的功能组,分别富集于表皮分化与角化、增殖与主要组织相容性复合体(major histocompatibility complex, MHC)Ⅱ类过程、代谢酶活性、应激反应、体液免疫调节、糖基转移酶及中间丝相关上皮-间充质转化(epithelial-mesenchymal transition, EMT)特征。跨患者层面鉴定出5个复发性MPs:角化细胞分化(MP3)、表皮细胞分化(MP5)、共生互作(MP4)、成纤维细胞增殖(MP2)和应激反应(MP1)。空间分析显示MP1、MP3和MP5在肿瘤核心(tumor core, TC)高表达,而MP2在肿瘤前沿(tumor front, TF)显著高表达,提示恶性细胞异质性与基质相关空间特征存在关联。
PI3+ CAF具有潜在免疫调节作用: 研究人员从成纤维细胞区室中提取并重新聚类得到3,487个癌症相关成纤维细胞(cancer-associated fibroblasts, CAFs),分为3个炎性CAF(inflammatory CAF, iCAF)和4个肌成纤维细胞CAF(myofibroblastic CAF, myCAF)亚群。其中myCAF-PI3(PI3+ CAF)亚群除高表达肌成纤维细胞标志物(如COL1A1)外,还特异性高表达与髓系细胞和免疫调节密切相关的S100A8和S100A9。拟时间分析显示CAF状态从肌成纤维细胞向炎性表型转变,PI3+ CAF处于肌成纤维细胞相关状态,且在肿瘤核心和肿瘤前沿区域富集。
OSCC微环境中的CAF-髓系细胞相互作用: 研究人员对7,792个髓系细胞进行聚类,得到8个亚群、5种亚型。APC_Myeloid亚群在肿瘤核心和肿瘤前沿显著富集,与PI3+ CAF的空间分布高度一致。在两个独立空间转录组切片中,APC_Myeloid与PI3+ CAF均表现出最高的空间相似性。CellChat和CellPhoneDB分析均支持PI3+ CAF向APC_Myeloid的定向通讯轴,stLearn空间分析进一步证实该互作在肿瘤核心和肿瘤前沿形成空间局限的通讯热点。分子层面,PI3+ CAF主要表达胶原家族配体(COL1A1、COL1A2、COL6A1、COL6A2、COL6A3),APC_Myeloid和TREM2巨噬细胞表达候选受体(CD44、CD74、SDC4),胶原信号是最突出的通路。免疫荧光染色证实了PI3和COL1A1的共表达。该结果支持PI3+ CAF通过胶原相关信号参与免疫抑制性肿瘤微环境(tumor microenvironment, TME)组织的模型。
CD8+ T细胞的耗竭演化: 研究人员对31,682个T细胞进行聚类,鉴定出7种T细胞亚型。基于GSE212797队列中4,541个配对转录组和TCR信息的CD8+ T细胞,Monocle3推断出从初始态向细胞毒态进展的拟时间轨迹,并在中段出现分支点。TCR克隆扩增在分支点后迅速且广泛发生,克隆大小与拟时间呈显著正相关。四个耗竭相关标志基因(LAG3、PDCD1、TIGIT、HAVCR2)在发育过程中均呈上调趋势,峰值出现在中段,与快速克隆扩增期一致。两个前功能障碍标志基因(GZMK、GZMA)表现出相似的上调模式,但峰值出现更早。该结果揭示了CD8+ T细胞在OSCC抗原刺激后逐渐获得耗竭表型并丧失抗肿瘤免疫功能的过程。
调节性和炎性NKT细胞与CD8+ T细胞耗竭的关联: 研究人员将CD8+ T细胞拟时间轨迹划分为四个有序区间(levels 1–4)投射到空间转录组切片。在两个切片中,level 2在肿瘤前沿区域相对富集,对应于克隆扩增和耗竭相关基因表达开始增加的早期至中期轨迹阶段。CD4+耗竭T细胞在肿瘤核心高浸润,而CD4+调节性T细胞(regulatory T cells, Tregs)和炎性NKT细胞在肿瘤前沿高浸润。通过计算连续位点轨迹评分Tspot,发现肿瘤前沿区域Tspot值聚集于2附近时,CD4+ Tregs和炎性NKT细胞的丰度迅速增加。该时空分析表明CD4+ Tregs和炎性NKT细胞与CD8+ T细胞耗竭相关免疫抑制微环境的形成存在潜在关联。
基于OSCC细胞图谱揭示生态型和协调细胞程序: 研究人员进一步表征了8,602个B谱系细胞,分为6种主要状态。整合后图谱包含88,442个细胞、5种主要细胞类型、22种细胞亚型和63个细胞亚群。通过CIBERSORT将单细胞图谱反卷积至1,017例患者的批量转录组,NMF聚类定义了四种OSCC生态型(ecotypes I–IV)和四种协调细胞程序(CCP1–4)。同一生态型患者具有高度一致的细胞亚群组成,CCP3、CCP4、CCP2和CCP1分别优先富集于生态型I、II、III和IV。
OSCC生态型的生物学特征: 生态型I以间充质亚型为主,富集CCP3(含PI3+ CAF、APC_Myeloid和CD8+细胞毒T细胞),对免疫治疗几乎无反应,晚期(IV期)比例最高。生态型II以基底亚型为主,富集CCP4(主要为恶性细胞亚群),早期(I期)比例最高,预后相对较好,对卡铂和氟尿嘧啶高度敏感。生态型III以间充质亚型为主但基底亚型比例显著更高,富集CCP2(含耗竭CD4+、记忆CD8+和初始CD8+ T细胞),预后最差、复发率最高,免疫治疗耐药仅次于生态型I。生态型IV主要与非典型亚型相关,富集CCP1(含多种免疫细胞亚群),HPV阳性比例达50%,吸烟率最高,对免疫治疗最敏感,对多西他赛敏感但对氟尿嘧啶耐药。不同生态型间在饮酒史、HPV感染状态和预测免疫治疗反应方面存在显著差异。
生态型相关药物敏感性的探索性预测: 研究人员使用oncoPredict基于OSCC细胞系基因表达和药物反应数据预测患者药物敏感性。卡铂、氟尿嘧啶和多西他赛的敏感性在四种生态型间差异显著。生态型I对所有一线化疗药物均耐药,AUY、达沙替尼(dasatinib)、GSK1059615和obatoclax被鉴定为其候选药物。生态型II可能更适合PF方案(铂类+氟尿嘧啶),生态型IV可能更适合TP方案(多西他赛+铂类)。生态型III患者对一线药物敏感性一般,AR-42、AR-12和贝利司他(belinostat)被鉴定为其候选药物。
基于OSCC生态学的临床预测模型: 研究人员基于1,017例患者的细胞亚群组成开发了三个预测模型。预后风险预测模型包含12个细胞亚群,其中CPA3+肥大细胞亚群系数最高,是最显著的风险因素,高、低风险组在训练队列和三个外部验证队列中均显示显著生存差异。复发风险预测模型包含56个细胞亚群(33个保护因素、23个风险因素),增殖性T细胞(T_Pro)是首要保护因素,CD4+调节性T细胞(CD4_Treg)和TPM2+恶性细胞亚群是主要风险因素,训练队列AUC为0.778,外部验证队列GSE87593的AUC为0.875。免疫治疗敏感性预测模型包含36个细胞亚群(17个风险因素、19个保护因素),PI3+ CAF、初始B细胞和CPA3+肥大细胞是前三位风险因素,增殖性T细胞是首要保护因素(系数82.37),模型在黑色素瘤队列中AUC为0.733。
五、讨论与结论
该研究构建了OSCC多组学细胞图谱,将细胞异质性、空间组织、免疫动态和患者层面生态联系起来。研究发现PI3+ CAF与APC_Myeloid之间存在可重复的空间关联和胶原相关通讯轴,可能参与免疫抑制性肿瘤微环境的形成。CD8+ T细胞沿拟时间轨迹从初始态向耗竭态演化,伴随克隆扩增增加,CD4+ Tregs和炎性NKT细胞在肿瘤前沿与耗竭相关CD8+ T细胞状态共浸润。四种OSCC生态型在分子亚型、预后、复发、HPV状态和免疫治疗反应方面呈现差异化特征,生态型相关的药物敏感性预测为化疗方案选择和候选药物开发提供了线索。基于细胞组成的预测模型在预后、复发和免疫治疗敏感性方面展现了初步的判别能力。该整合框架为OSCC的生物学和临床分层提供了可检验的假说,但生态型相关结论受组间样本量不均、临床注释不全和HPV状态等混杂因素影响,药物敏感性和模型性能需在独立前瞻性队列中进一步验证。
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