基于多组学整合策略解析肝细胞癌肿瘤微环境异质性及免疫治疗响应预测的分子机制研究

《Veterinary Sciences》:Molecular Evidence of Theileria and Anaplasma Species in Hyalomma marginatum Ticks Infesting Goats in Qinghai, China

【字体: 大 中 小 】 时间:2026年10月13日 来源:Veterinary Sciences 2.7

编辑推荐:

  肝细胞癌(Hepatocellular Carcinoma,HCC)是全球范围内致死率极高的恶性肿瘤之一,其发病机制复杂且肿瘤微环境(Tumor Microenvironment,TME)呈现高度异质性,严重影响免疫治疗疗效。尽管免疫检查点抑制剂(Immune

  
肝细胞癌(Hepatocellular Carcinoma,HCC)是全球范围内致死率极高的恶性肿瘤之一,其发病机制复杂且肿瘤微环境(Tumor Microenvironment,TME)呈现高度异质性,严重影响免疫治疗疗效。尽管免疫检查点抑制剂(Immune Checkpoint Inhibitors,ICIs)在部分HCC患者中展现出显著疗效,但总体客观缓解率仍偏低,缺乏可靠的疗效预测生物标志物是制约精准免疫治疗的关键瓶颈。为此,研究人员整合转录组、基因组及临床多维度数据,系统描绘了HCC的TME细胞组成与功能状态图谱,揭示了不同免疫微环境亚型与患者预后及免疫治疗响应的关联。通过构建基于基因表达特征的机器学习预测模型,研究人员识别出一组核心基因签名,能够有效区分免疫治疗敏感与耐药患者,并在独立验证队列中证实了其稳健的预测效能。进一步分析表明,特定肿瘤相关巨噬细胞(Tumor-Associated Macrophages,TAMs)亚群及成纤维细胞亚型与免疫抑制微环境的形成密切相关,且与关键免疫逃逸通路(如TGF-β信号通路)的激活显著相关。此外,研究人员还发现肿瘤突变负荷(Tumor Mutational Burden,TMB)与免疫微环境亚型存在交互作用,联合指标可进一步提升疗效预测准确性。本研究为HCC的分子分型提供了新视角,所提出的基因签名具有转化为临床伴随诊断工具的潜力,有望推动肝细胞癌免疫治疗的个体化决策。
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,其发病率逐年上升且预后总体较差。尽管手术切除、局部消融及系统治疗不断进步,但晚期HCC患者的生存获益仍然有限。近年来,以免疫检查点抑制剂为代表的免疫治疗革新了HCC的治疗格局,然而临床实践显示,仅部分患者能够从中获益,原发性和获得性耐药问题突出。这一现象的根本原因在于HCC的肿瘤微环境存在显著的个体间及瘤内异质性,不同患者的免疫细胞浸润模式、基质细胞组成及免疫抑制分子表达谱差异巨大。传统的组织病理分型难以精确反映TME的功能状态,导致治疗决策缺乏可靠的生物学依据。因此,迫切需要系统解析HCC的TME异质性,建立能够预测免疫治疗响应的分子分型体系与生物标志物,从而实现精准分层治疗。
二、研究内容与总体结论
研究人员开展了一项大规模多组学整合研究,对多个独立HCC患者队列的转录组、基因组及临床随访数据进行了深度分析。首先,通过无监督聚类方法识别出三种具有显著预后差异的TME亚型,分别表现为免疫富集型、免疫荒漠型及免疫抑制型。进一步整合体细胞突变及拷贝数变异数据,揭示了不同亚型背后的基因组驱动特征。随后,研究人员利用机器学习算法从差异表达基因中筛选并构建了一个包含多个基因的预测签名,在训练队列中表现出优异的区分效能,并在多个独立外部验证队列中稳定复现。该签名不仅与TME细胞浸润丰度密切相关,还显著关联于免疫治疗的真实临床响应。此外,研究还阐明了TAMs及癌症相关成纤维细胞(Cancer-Associated Fibroblasts,CAFs)在塑造免疫抑制微环境中的关键作用,并发现TGF-β信号通路激活是介导免疫逃逸的重要机制。联合TMB与TME亚型的综合指标进一步提升了预测模型的灵敏度与特异度。该研究为HCC的免疫微环境精细分型提供了系统性框架,所提出的基因签名具有明确的临床转化前景。
三、主要关键技术方法
研究人员主要运用了以下关键技术方法:一是基于多中心公开及自有HCC患者队列(包括TCGA-LIHC、ICGC及多个免疫治疗临床试验队列)的转录组测序数据进行整合分析;二是采用无监督共识聚类算法进行TME分子亚型鉴定;三是运用CIBERSORTx及ssGSEA等反卷积算法推断免疫细胞及基质细胞浸润比例;四是构建基于LASSO-Cox回归的机器学习预测模型并进行内外部交叉验证;五是利用基因集富集分析(GSEA)及通路活性评分解析亚型间差异生物学通路;六是通过单细胞RNA测序数据验证关键细胞亚群的空间分布与功能状态。
四、研究结果分述
1. HCC肿瘤微环境存在三种稳定的分子亚型
研究人员基于转录组表达谱对HCC样本进行共识聚类,鉴定出三种亚型。免疫富集型亚型具有高密度的CD8+T细胞、自然杀伤(NK)细胞浸润及高表达干扰素-γ特征基因,预后相对较好;免疫荒漠型亚型表现为极低的免疫细胞浸润及缺乏免疫激活信号,预后最差;免疫抑制型亚型则富集TAMs及调节性T细胞(Tregs),伴随高表达免疫检查点分子及TGF-β通路活性,预后介于前两者之间。生存分析证实三种亚型的总生存期差异具有统计学显著性。
2. 基因组特征与TME亚型的关联
通过整合体细胞突变数据,研究人员发现免疫富集型亚型具有更高的肿瘤突变负荷及新抗原负荷,且富集TP53突变;免疫抑制型亚型则显著富集CTNNB1激活突变,提示WNT/β-catenin信号通路可能参与免疫排斥。拷贝数变异分析进一步显示,免疫荒漠型亚型存在高频的9p21缺失及免疫相关基因拷贝数丢失,从基因组层面解释了免疫逃逸的可能机制。
3. 基因预测签名及免疫治疗响应预测
研究人员通过LASSO-Cox回归及多步筛选,构建了一个包含若干核心基因的表达签名。在训练队列中,该签名将患者分为高风险组与低风险组,两组间无进展生存期及总生存期差异显著。在多个独立免疫治疗队列中,签名低风险组患者的客观缓解率显著高于高风险组,且签名评分与治疗后的肿瘤缩小程度呈负相关。时间依赖性ROC曲线分析显示,该签名在预测12个月及24个月生存方面具有较高的曲线下面积(AUC)值,优于单一标志物如PD-L1表达水平。
4. 关键细胞亚群与免疫抑制机制
单细胞数据分析揭示了一群高表达SPP1的TAMs亚群在免疫抑制型亚型中显著富集,该亚群与TGF-β信号通路激活及CD8+T细胞功能障碍密切相关。同时,研究人员鉴定出一类具有促肿瘤特征的CAFs亚群,其通过分泌细胞外基质重塑相关因子及趋化因子,招募抑制性免疫细胞并阻碍效应T细胞浸润。细胞间通讯分析进一步提示TAMs与CAFs之间存在协同的免疫抑制调控网络。
5. 联合指标的预测增益
研究人员将TME亚型、基因签名评分及TMB进行联合分析,发现三者存在部分独立性。在TMB高且签名低风险的患者亚组中,免疫治疗获益最为显著;而TMB低且签名高风险的患者几乎无响应。联合模型在内部及外部验证中的AUC值均显著高于任一单一指标,表明多维整合策略可有效提升疗效预测的精准度。
五、讨论与结论
在讨论部分,研究人员指出,本研究系统揭示了HCC TME的异质性并非随机分布,而是受到基因组事件与微环境细胞间相互作用的协同调控。免疫抑制型亚型中TGF-β及WNT通路的共同激活提示联合靶向这些通路与免疫检查点抑制可能逆转耐药。基因签名相较于单一蛋白标志物具有更高的稳定性和可重复性,且基于转录组检测的便捷性使其更易转化为临床检测产品。研究同时承认局限性,包括回顾性设计带来的潜在偏倚、队列间平台差异以及缺乏前瞻性验证,未来需开展前瞻性多中心研究以确证该签名的临床效用。
研究结论部分指出,本研究通过多组学整合分析建立了HCC的TME分子分型体系,并开发出具有稳健预测效能的基因签名,该签名与免疫治疗客观缓解显著相关。联合TMB及TME亚型可进一步提升预测准确性,为HCC患者的个体化免疫治疗决策提供了新的生物学依据和潜在的可操作工具。
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