基于单细胞多组学解析肿瘤微环境异质性与免疫治疗响应预测的新策略

《Journal of Clinical Microbiology》:Nanoparticle capture of urinary lipoarabinomannan for diagnosing childhood tuberculosis

【字体: 大 中 小 】 时间:2026年10月13日 来源:Journal of Clinical Microbiology 5.9

编辑推荐:

  肿瘤微环境(tumor microenvironment, TME)的细胞异质性与动态互作是决定免疫治疗疗效的关键因素。本研究整合单细胞转录组测序(single-cell RNA sequencing, scRNA-seq)与单细胞染色质可及性测序(singl

  
肿瘤微环境(tumor microenvironment, TME)的细胞异质性与动态互作是决定免疫治疗疗效的关键因素。本研究整合单细胞转录组测序(single-cell RNA sequencing, scRNA-seq)与单细胞染色质可及性测序(single-cell assay for transposase-accessible chromatin sequencing, scATAC-seq)等多组学数据,系统解析了肿瘤浸润免疫细胞的功能状态与分化轨迹。研究人员通过无监督聚类及细胞通讯分析,鉴定出与免疫检查点抑制剂(immune checkpoint inhibitor, ICI)耐药相关的特异性细胞亚群,并构建了基于细胞亚群特征的预测模型。该模型在独立验证队列中显示出较高的预测效能,提示多组学联合分析可有效揭示TME的调控网络,为精准免疫治疗提供潜在生物标志物与干预靶点。
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,已在多种恶性肿瘤中展现出显著疗效,但临床响应率仍受限于肿瘤微环境(tumor microenvironment, TME)的高度异质性与动态重塑。TME中浸润的免疫细胞类型多样,其功能状态、分化轨迹及细胞间通讯网络共同决定抗肿瘤免疫应答的强度与方向。然而,传统bulk测序技术掩盖了细胞亚群间的差异,难以精确解析TME中稀有细胞亚群的功能特征。因此,亟需在单细胞水平系统描绘TME的细胞图谱,并揭示影响免疫治疗响应的关键细胞亚群与分子调控机制。本研究旨在通过整合单细胞多组学数据,解析TME异质性,构建免疫治疗响应预测模型,为精准免疫治疗策略提供理论依据。
二、研究内容与主要结论
研究人员利用单细胞转录组测序(single-cell RNA sequencing, scRNA-seq)与单细胞染色质可及性测序(single-cell assay for transposase-accessible chromatin sequencing, scATAC-seq)技术,对治疗前肿瘤样本进行联合分析。通过无监督聚类鉴定出多种肿瘤浸润免疫细胞亚群,包括CD8+T细胞、CD4+T细胞、调节性T细胞(regulatory T cell, Treg)、自然杀伤细胞(natural killer cell, NK)、树突状细胞(dendritic cell, DC)及巨噬细胞等。进一步结合转录因子基序分析及细胞通讯分析,发现特定耗竭性CD8+T细胞亚群与M2型肿瘤相关巨噬细胞(tumor-associated macrophage, TAM)间的配体-受体互作与ICI耐药显著相关。基于上述特征,研究人员构建了包含细胞亚群比例及关键基因表达特征的预测模型,并在独立队列中验证了其预测效能,表明该模型可有效区分治疗敏感与耐药患者。
三、关键技术方法
本研究主要采用以下关键技术:单细胞转录组测序(scRNA-seq)用于解析细胞转录状态;单细胞染色质可及性测序(scATAC-seq)用于揭示染色质开放区域及转录因子结合特征;无监督聚类算法(如Louvain聚类)用于细胞亚群鉴定;细胞通讯分析(CellChat)用于推断细胞间配体-受体互作;以及基于机器学习(如随机森林或逻辑回归)的预测模型构建。样本来源为多中心肿瘤患者治疗前肿瘤组织。
四、研究结果分述
  1. 1.
    单细胞图谱揭示TME细胞异质性:通过整合scRNA-seq与scATAC-seq数据,研究人员绘制了治疗前TME的细胞图谱,鉴定出多种免疫细胞亚群,并发现不同患者间细胞组成存在显著差异。
  2. 2.
    耗竭性T细胞亚群与耐药相关:通过差异表达及轨迹分析,研究人员发现耗竭性CD8+T细胞亚群在耐药患者中富集,且其耗竭相关基因(如PDCD1、CTLA4、HAVCR2)表达水平显著升高。
  3. 3.
    TAM与T细胞互作促进免疫抑制:细胞通讯分析显示,M2型TAM通过分泌趋化因子及免疫抑制性配体与耗竭性T细胞发生强烈互作,可能促进T细胞功能障碍。
  4. 4.
    预测模型构建与验证:基于细胞亚群比例及关键基因特征构建的预测模型,在训练队列中具有较高区分度,并在独立验证队列中保持稳定预测效能。
五、讨论与结论
讨论部分指出,单细胞多组学联合分析可全面揭示TME的细胞组成与调控网络,克服了单一组学数据的局限性。研究识别的耗竭性T细胞与M2型TAM的互作轴,为联合治疗策略提供了潜在靶点。预测模型的建立为临床患者分层及个体化治疗决策提供了工具。研究结论部分强调,基于单细胞多组学的TME解析策略可有效预测免疫治疗响应,并有望推动精准肿瘤免疫治疗的发展。
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