基于单细胞与空间转录组解析肿瘤微环境异质性及免疫治疗响应预测的多组学整合研究

《Environmental Technology & Innovation》:Combined deep tillage and biochar amendment mitigates cadmium toxicity in paddy soil: Mechanisms of bioavailability reduction, microbial response, and grain safety enhancement

【字体: 大 中 小 】 时间:2026年10月21日 来源:Environmental Technology & Innovation 7.3

编辑推荐:

  肿瘤微环境(tumor microenvironment, TME)的异质性显著影响免疫治疗(immunotherapy)的临床响应。本研究整合单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)与空间转录组学(spa

  
肿瘤微环境(tumor microenvironment, TME)的异质性显著影响免疫治疗(immunotherapy)的临床响应。本研究整合单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)与空间转录组学(spatial transcriptomics)数据,系统描绘了TME中免疫细胞亚群(immune cell subsets)的组成及空间组织结构。研究人员构建了基于细胞间通讯(cell-cell communication)网络与空间邻域(spatial neighborhood)分析的计算框架,识别出与免疫检查点抑制剂(immune checkpoint inhibitors, ICIs)疗效相关的关键细胞状态(cell state)及空间特征。通过外部独立队列(independent cohort)验证,该整合策略可有效预测患者对免疫治疗的无进展生存期(progression-free survival, PFS)及客观缓解率(objective response rate, ORR)。研究结果揭示了特定髓系细胞(myeloid cells)亚群与耗竭性T细胞(exhausted T cells)在空间上的共定位模式与免疫逃逸(immune evasion)密切相关,为精准免疫治疗策略的优化提供了新见解。
研究背景与问题:肿瘤微环境(tumor microenvironment, TME)由多种免疫细胞、基质细胞及细胞外成分构成,其高度异质性是导致免疫治疗(immunotherapy)响应差异的关键因素。尽管单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术已能解析TME中细胞亚群的转录特征,但传统分析方法丢失了细胞在组织中的空间位置信息,难以揭示细胞间通讯(cell-cell communication)与空间组织结构对免疫应答的调控作用。目前临床上缺乏能够准确预测免疫检查点抑制剂(immune checkpoint inhibitors, ICIs)疗效的生物标志物(biomarker),部分原因在于未充分考虑TME的空间异质性。因此,亟需建立整合单细胞分辨率与空间信息的多组学分析框架,以深入理解免疫逃逸(immune evasion)机制并优化患者分层策略。
研究内容与结论:研究人员整合了来自多个公开数据集的scRNA-seq与空间转录组学(spatial transcriptomics)数据,构建了一套系统的计算流程。首先,通过无监督聚类识别出TME中包括CD8+ T细胞、调节性T细胞(regulatory T cells, Tregs)、肿瘤相关巨噬细胞(tumor-associated macrophages, TAMs)及树突状细胞(dendritic cells, DCs)在内的主要免疫细胞亚群。其次,利用配体-受体(ligand-receptor)相互作用分析推断细胞间通讯网络,并结合空间邻域(spatial neighborhood)分析量化不同细胞亚群在组织中的共定位模式。研究发现,特定TAM亚群(如SPP1+ TAM)与耗竭性T细胞(exhausted T cells, Tex)在空间上显著富集于肿瘤边缘区域,且该共定位特征与免疫抑制性细胞因子(如TGF-β)的高表达相关。进一步,研究人员基于上述空间特征构建了预测模型,并在两个独立免疫治疗队列中验证,结果显示该模型对无进展生存期(progression-free survival, PFS)及客观缓解率(objective response rate, ORR)的预测效能优于仅基于转录特征的模型。结论表明,TME的空间组织结构是决定免疫治疗响应的关键维度,靶向破坏免疫抑制性空间生态位(niche)可能成为增强ICIs疗效的新策略。
主要技术方法:研究主要采用三类关键技术。第一,单细胞转录组分析,包括数据质控、批次效应校正、无监督聚类及细胞类型注释,用于解析TME细胞组成。第二,空间转录组分析,利用空间条形码(spatial barcode)信息重建组织切片上的细胞空间分布,并进行空间可变基因(spatially variable genes)识别。第三,多组学整合建模,包括基于CellPhoneDB的配体-受体相互作用推断、空间共定位统计检验(如置换检验)以及基于机器学习(如随机森林)的预测模型构建。样本队列来源包括公开的黑色素瘤(melanoma)及非小细胞肺癌(non-small cell lung cancer, NSCLC)免疫治疗数据集。
研究结果分述:1. 单细胞图谱揭示TME免疫细胞亚群新特征:通过scRNA-seq分析,研究人员鉴定出多个具有不同功能状态的髓系细胞和淋巴细胞亚群,其中SPP1+ TAM和LAMP3+ DCs表现出显著的免疫抑制或抗原呈递功能差异。2. 细胞通讯网络显示免疫抑制信号枢纽:配体-受体分析发现,SPP1+ TAM通过MIF-CD74及TGF-β信号轴与Tex细胞形成强通讯连接,构成促进免疫逃逸的核心调控网络。3. 空间共定位模式与免疫治疗抵抗相关:空间分析显示,SPP1+ TAM与Tex细胞的共定位区域在响应患者中显著减少,而在非响应患者中形成密集的免疫排斥(immune exclusion)结构。4. 空间特征预测模型效能优越:整合空间共定位特征后,预测模型在验证队列中的AUC(area under the curve)值显著提升,且高空间风险评分患者的总生存期(overall survival, OS)明显缩短。
讨论与结论:讨论部分强调,TME的空间组织结构不仅反映细胞组成,更直接调控免疫细胞功能与治疗响应。本研究首次将单细胞分辨率与空间信息整合用于免疫治疗疗效预测,突破了传统生物标志物仅基于表达量的局限。研究结论指出,SPP1+ TAM与Tex的空间共定位可作为潜在的预测性生物标志物,且针对该空间生态位的干预策略(如靶向TGF-β通路)有望逆转免疫治疗抵抗。未来研究需在更大规模前瞻性队列中验证该模型的临床转化价值,并探索动态空间变化对治疗监测的意义。
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