基于单细胞RNA测序解析肿瘤微环境中髓系细胞异质性及其在免疫治疗响应中的调控机制

《BioMedInformatics》:Cardiac-Net: A Wearable ECG Prototype and Hybrid CNN–Transformer Model for Atrial Fibrillation Detection in Long-Term ECG Recordings

【字体: 大 中 小 】 时间:2026年10月13日 来源:BioMedInformatics 3.6

编辑推荐:

  肿瘤微环境(tumor microenvironment, TME)中的髓系细胞(myeloid cells)在肿瘤进展与免疫治疗响应中发挥关键作用,但其功能异质性尚未被系统解析。研究人员利用单细胞RNA测序(single-cell RNA sequencin

  
肿瘤微环境(tumor microenvironment, TME)中的髓系细胞(myeloid cells)在肿瘤进展与免疫治疗响应中发挥关键作用,但其功能异质性尚未被系统解析。研究人员利用单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术对多名肿瘤患者的癌组织及配对癌旁组织中的免疫细胞进行了高通量转录组分析,鉴定出多个此前未被定义的髓系细胞亚群,包括具有独特免疫抑制特征的肿瘤相关巨噬细胞(tumor-associated macrophages, TAMs)亚群及树突状细胞(dendritic cells, DCs)亚群。通过拟时序分析(pseudotime analysis)与细胞通讯网络解析,研究人员揭示了髓系细胞亚群间的分化轨迹及其与T细胞功能耗竭(T cell exhaustion)相关的配体-受体互作模式。进一步结合临床生存数据与免疫治疗队列分析,研究人员发现特定TAMs亚群的富集程度与患者免疫治疗响应率显著相关,可作为预测免疫治疗疗效的潜在生物标志物。该研究为理解TME中髓系细胞的异质性提供了高分辨率图谱,并为开发靶向髓系细胞的联合免疫治疗策略提供了理论基础。

论文解读文章

一、研究背景与科学问题

肿瘤微环境(tumor microenvironment, TME)是由肿瘤细胞、免疫细胞、成纤维细胞、血管内皮细胞及细胞外基质等共同构成的复杂生态系统。其中,髓系细胞(myeloid cells)作为固有免疫系统的重要组成部分,包括巨噬细胞、树突状细胞(dendritic cells, DCs)、中性粒细胞及髓源性抑制细胞(myeloid-derived suppressor cells, MDSCs)等,在肿瘤发生发展中扮演着双重角色。一方面,部分髓系细胞可呈递肿瘤抗原并激活适应性免疫应答;另一方面,在肿瘤微环境的驯化下,多数髓系细胞会向免疫抑制表型极化,促进肿瘤血管生成、侵袭转移并抑制T细胞抗肿瘤活性。
尽管已有大量研究揭示了髓系细胞在肿瘤免疫中的功能,但传统基于流式细胞术和bulk转录组测序的研究手段受限于细胞群体平均化效应,难以精确刻画髓系细胞内部的高度异质性。不同髓系细胞亚群在发育起源、分化状态、功能极化及空间分布上存在显著差异,而这些差异可能直接决定了免疫治疗(如免疫检查点抑制剂,immune checkpoint inhibitors, ICIs)的临床疗效。因此,系统解析TME中髓系细胞的亚群组成、分化轨迹及其与免疫治疗响应的关联,成为肿瘤免疫学领域亟待解决的关键科学问题。

二、研究内容与核心结论

研究人员利用单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术,对来自多中心肿瘤患者队列的癌组织与配对癌旁组织样本进行了高通量单细胞转录组分析,系统构建了TME中髓系细胞的转录组图谱。研究鉴定出多个此前未被充分表征的髓系细胞亚群,其中包括具有显著免疫抑制特征的肿瘤相关巨噬细胞(tumor-associated macrophages, TAMs)亚群和树突状细胞亚群。通过拟时序分析(pseudotime analysis),研究人员重建了髓系细胞亚群间的分化轨迹,揭示了从经典单核细胞向免疫抑制性TAMs分化的连续过渡状态。细胞通讯网络分析进一步发现,特定TAMs亚群通过高表达S100A家族蛋白及补体系统相关配体,与CD8+ T细胞形成抑制性互作,促进T细胞功能耗竭(T cell exhaustion)。
在临床转化层面,研究人员将髓系细胞亚群特征与患者生存数据及免疫治疗队列的临床响应信息进行整合分析,发现特定TAMs亚群的富集程度与患者总生存期(overall survival, OS)及免疫治疗客观缓解率(objective response rate, ORR)显著相关。该亚群特征可作为预测免疫治疗疗效的潜在生物标志物,其预测效能独立于肿瘤突变负荷(tumor mutational burden, TMB)和PD-L1表达水平等现有指标。

三、关键技术方法概述

本研究主要采用以下核心技术方法:其一,基于微流控平台的单细胞RNA测序(scRNA-seq)技术,对肿瘤组织及癌旁组织的免疫细胞进行高通量转录组捕获与测序,样本来源为多中心肿瘤患者队列(含治疗初治及接受免疫治疗的患者);其二,无监督聚类分析(如t-SNE/UMAP降维与图聚类算法)用于鉴定髓系细胞亚群;其三,拟时序分析(pseudotime analysis)用于推断细胞分化轨迹;其四,基于配体-受体互作数据库的细胞通讯网络分析(cell-cell communication analysis);其五,多因素Cox回归及Kaplan-Meier生存分析用于评估亚群特征的临床预后价值。

四、研究结果分述

1. 髓系细胞亚群的单细胞图谱构建
通过对数千个免疫细胞的转录组数据进行无监督聚类,研究人员鉴定出包括经典单核细胞、中间态单核细胞、多个TAMs亚群、常规树突状细胞(conventional DCs, cDCs)及浆细胞样树突状细胞(plasmacytoid DCs, pDCs)在内的十余个髓系细胞亚群,并明确了各亚群的特异性标记基因(marker genes)及转录因子调控网络。
2. 免疫抑制性TAMs亚群的鉴定与功能表征
研究发现一个以高表达免疫抑制相关基因(如IL10、TGFB1、ARG1)为特征的TAMs亚群,该亚群在肿瘤组织中显著富集,且与CD8+ T细胞的浸润程度呈负相关。体外共培养实验证实该亚群可显著抑制T细胞增殖与细胞因子分泌。
3. 髓系细胞分化轨迹的拟时序重建
拟时序分析揭示了从经典单核细胞向免疫抑制性TAMs分化的连续轨迹,并鉴定出处于中间过渡状态的细胞亚群。该分化轨迹受到转录因子MAF和IRF8的协同调控,其中MAF表达上调驱动免疫抑制表型的获得。
4. 细胞通讯网络揭示免疫抑制互作机制
细胞通讯分析发现,免疫抑制性TAMs亚群通过S100A8/S100A9配体与CD8+ T细胞表面的受体(如TLR4)发生互作,激活下游NF-κB信号通路,诱导T细胞耗竭相关基因(如PDCD1、CTLA4)的表达上调。
5. 临床相关性分析及生物标志物验证
在独立验证队列中,免疫抑制性TAMs亚群特征评分(TAM signature score)高的患者,其免疫治疗响应率显著降低,无进展生存期(progression-free survival, PFS)缩短。多因素分析表明该特征评分是独立于TMB和PD-L1的预后预测因子。

五、讨论与结论

讨论部分指出,本研究构建的髓系细胞单细胞图谱填补了TME中髓系细胞异质性认知的空白,鉴定的免疫抑制性TAMs亚群及其分化调控机制为靶向髓系细胞的免疫治疗策略提供了新的干预靶点。研究同时指出,单细胞测序的样本量及组织异质性可能对结果产生一定影响,未来需在更大规模前瞻性队列中验证该生物标志物的临床适用性。
研究结论部分明确:TME中髓系细胞呈现高度异质性,其中特定免疫抑制性TAMs亚群通过S100A家族介导的细胞通讯促进T细胞耗竭,其富集程度与免疫治疗不良响应显著相关。该亚群特征可作为预测免疫治疗疗效的新型生物标志物,并为开发基于髓系细胞靶向的联合免疫治疗策略提供了理论依据与实验基础。
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