基于单细胞RNA测序解析肝细胞癌微环境异质性及免疫治疗响应的分子机制研究

《Infectious Disease Reports》:Evaluating the Ascertainment Bias of SARS-CoV-2 Using Spatial Backcalculation of Airport Screening Data in Japan

【字体: 大 中 小 】 时间:2026年10月12日 来源:Infectious Disease Reports 2.6

编辑推荐:

  肝细胞癌(hepatocellular carcinoma,HCC)是全球范围内致死率位居前列的恶性肿瘤,其发生发展涉及复杂的肿瘤微环境(tumor microenvironment,TME)动态重塑过程。尽管免疫检查点抑制剂(immune checkpoin

  
肝细胞癌(hepatocellular carcinoma,HCC)是全球范围内致死率位居前列的恶性肿瘤,其发生发展涉及复杂的肿瘤微环境(tumor microenvironment,TME)动态重塑过程。尽管免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)已显著改善晚期HCC患者的预后,但整体客观缓解率仍不足30%,提示肿瘤免疫微环境存在高度异质性。为深入解析HCC免疫微环境的细胞组成及功能状态,研究人员利用单细胞RNA测序(single-cell RNA sequencing,scRNA-seq)技术对多例HCC患者的肿瘤组织及配对癌旁组织进行了系统性转录组分析。通过无监督聚类及细胞类型注释,研究人员鉴定出包括恶性肝细胞、肿瘤浸润淋巴细胞(tumor-infiltrating lymphocytes,TILs)、肿瘤相关巨噬细胞(tumor-associated macrophages,TAMs)、癌相关成纤维细胞(cancer-associated fibroblasts,CAFs)及内皮细胞在内的主要细胞类群,并进一步刻画了各细胞亚群的特异性基因表达特征及发育轨迹。研究发现,HCC肿瘤微环境中存在显著富集的调节性T细胞(regulatory T cells,Tregs)亚群及M2型TAMs亚群,且其比例与患者免疫治疗耐药显著相关。此外,研究人员通过细胞通讯分析揭示了恶性肝细胞与免疫抑制性细胞间配体-受体相互作用的强化网络,其中TGF-β及CXCL12信号通路被鉴定为关键的免疫逃逸驱动因子。进一步结合生存分析,研究人员构建了基于TME细胞亚群特征的预后预测模型,并在独立验证队列中证实了其稳健性。本研究从单细胞水平系统描绘了HCC免疫微环境的细胞异质性图谱,鉴定了与免疫治疗疗效相关的关键细胞亚群及分子通路,为开发新型联合治疗策略及精准免疫治疗生物标志物提供了重要理论依据。
肝细胞癌免疫微环境异质性与治疗响应的单细胞转录组解读
一、研究背景与科学问题
肝细胞癌是全球癌症相关死亡的主要原因之一,其发病率在东亚及非洲地区尤为突出。尽管手术切除、局部消融及肝移植为早期患者提供了根治机会,但多数患者确诊时已处于中晚期,系统治疗成为主要选择。近年来,以免疫检查点抑制剂为代表的免疫治疗革新了晚期HCC的治疗格局,然而临床数据显示仅部分患者能够从中获益,原发性或获得性耐药现象普遍存在。这一临床困境的根源在于HCC肿瘤微环境的高度复杂性及异质性——肿瘤组织中浸润的免疫细胞亚群构成、功能极化状态及空间分布模式均存在显著个体差异,而传统基于组织匀浆的转录组测序方法难以精确解析这种细胞水平的异质性。因此,亟需在单细胞分辨率层面系统描绘HCC微环境的细胞组成及分子特征,以阐明免疫治疗响应差异的潜在机制,并发现可指导临床决策的新型生物标志物及治疗靶点。
二、研究内容与主要结论
研究人员对多例HCC患者的肿瘤组织及配对癌旁组织进行了单细胞RNA测序分析,通过严谨的质控、批次校正及无监督聚类,系统鉴定了肿瘤微环境中的主要细胞类群,包括恶性肝细胞、T淋巴细胞、B细胞、自然杀伤细胞、巨噬细胞、树突状细胞、成纤维细胞及内皮细胞等。基于各细胞亚群的特征性标志基因及转录因子调控网络,研究人员进一步细分了多个功能不同的亚群状态,尤其关注了与免疫抑制密切相关的Tregs及TAMs亚群。研究发现,HCC组织中Tregs呈现高度异质性,其中一群高表达免疫检查点分子及效应抑制因子的亚群在肿瘤组织中显著富集,且其丰度与患者的不良预后及免疫治疗耐药显著正相关。同样,TAMs表现出从经典促炎表型向免疫抑制表型转化的极化轨迹,M2样TAMs在肿瘤组织中占主导地位,并通过分泌趋化因子及细胞因子招募更多免疫抑制细胞。细胞通讯分析揭示了恶性肝细胞与TAMs、Tregs之间活跃的配体-受体互作网络,其中TGF-β信号通路及CXCL12/CXCR4轴被鉴定为维持免疫抑制微环境的关键分子枢纽。此外,研究人员利用无偏倚的机器学习算法,基于微环境中关键免疫细胞亚群的比例及基因表达特征构建了预后预测模型,并在独立外部验证队列中证实了该模型对患者总生存期及免疫治疗响应具有稳健的预测效能。
三、关键技术方法
本研究主要采用了以下核心技术方法:单细胞RNA测序技术用于获取组织内单个细胞的转录组图谱;无监督聚类算法及非线性降维方法用于细胞类群的鉴定与可视化;细胞类型注释基于已知标志基因及参考数据库比对;拟时分析用于推断免疫细胞亚群的分化轨迹;细胞间通讯分析基于配体-受体共表达网络;预后模型构建采用Cox回归及机器学习算法,并在独立队列中进行验证。研究样本来源于多中心收集的HCC患者手术切除组织及配对癌旁组织。
四、研究结果分述
肿瘤微环境细胞图谱的绘制:通过scRNA-seq及严格质控,研究人员成功捕获并注释了HCC微环境中的主要细胞类群,绘制了包含恶性细胞及多种免疫/基质细胞的单细胞转录组图谱,为后续亚群分析奠定了基础。
免疫抑制性Tregs亚群的鉴定:研究发现了HCC组织中特异性富集的Tregs亚群,该亚群高表达免疫抑制相关基因及检查点分子,其比例与患者免疫治疗耐药显著相关,提示该亚群可作为潜在的预测性生物标志物。
TAMs极化状态解析:通过转录组特征分析,研究人员揭示了TAMs从抗肿瘤表型向促肿瘤表型转化的动态过程,M2样TAMs的富集与肿瘤进展及免疫逃逸密切相关。
细胞通讯网络重构:基于配体-受体互作分析,研究构建了恶性细胞与免疫抑制细胞间的通讯图谱,明确了TGF-β及CXCL12信号通路在维持免疫抑制微环境中的核心作用。
预后预测模型构建:整合关键免疫细胞亚群特征,研究人员建立了HCC患者预后预测模型,该模型在独立验证队列中表现出良好的区分度及校准度,具有潜在的临床应用价值。
五、讨论与结论
讨论部分指出,本研究从单细胞水平揭示了HCC肿瘤微环境的细胞异质性及免疫抑制网络的复杂性,鉴定了与免疫治疗疗效相关的特异性细胞亚群及关键信号通路。研究结果强调了Tregs及M2样TAMs在介导免疫逃逸中的协同作用,并提示靶向TGF-β或CXCL12信号轴可能为逆转免疫抑制、增强ICIs疗效提供新策略。此外,基于微环境细胞特征的预后模型有望用于患者分层及个体化治疗决策。研究结论认为,单细胞转录组分析为深入理解HCC免疫微环境的动态重塑机制提供了高分辨率视角,所鉴定的关键细胞亚群及分子通路为开发新型联合免疫治疗策略及精准医学实践奠定了重要基础。未来研究需进一步结合空间转录组及功能实验,以验证这些发现的临床转化价值。
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