缺氧生态位中SPP1?肿瘤相关巨噬细胞经SPP1–CD44轴驱动甲状腺乳头状癌淋巴结转移并构建机器学习预测模型

《npj Precision Oncology》:AI-driven multi-omics identifies SPP1? tumor-associated macrophages as a therapeutic target and predicts lymph node metastasis in papillary thyroid cancer

【字体: 大 中 小 】 时间:2026年11月22日 来源:npj Precision Oncology 9.9

编辑推荐:

  人工智能(AI)正通过从复杂生物医学数据中系统性发现治疗靶点并预测药物反应,改变着药物设计的格局。在甲状腺乳头状癌(PTC)中,淋巴结转移仍是预后不良的关键决定因素,然而可靶向的驱动因素及转移预测模型仍然缺乏。本研究整合单细胞RNA测序(scRNA-seq)、

人工智能(AI)正通过从复杂生物医学数据中系统性发现治疗靶点并预测药物反应,改变着药物设计的格局。在甲状腺乳头状癌(PTC)中,淋巴结转移仍是预后不良的关键决定因素,然而可靶向的驱动因素及转移预测模型仍然缺乏。本研究整合单细胞RNA测序(scRNA-seq)、空间转录组学(ST)与机器学习,鉴定SPP1?肿瘤相关巨噬细胞(TAMs)为PTC淋巴结转移的功能验证驱动因素。通过单细胞与空间分析,研究人员发现SPP1? TAMs在缺氧生态位中经SPP1–CD44轴与TM4SF1?恶性上皮细胞相互作用,驱动肿瘤干性、侵袭及转移进展。SPP1? TAMs呈现缺氧、M2极化表型,其丰度与转移性PTC患者较差的总生存期(OS)和无进展生存期(PFS)相关。研究人员进一步开发了基于SPP1? TAMs衍生分子特征的综合机器学习模型,可高精度预测淋巴结状态。在临床前研究中,药理学靶向SPP1可减弱肿瘤细胞迁移、侵袭及肺转移,支持其作为治疗靶点的候选资格。总之,本研究展示了AI驱动的多组学分析如何联合鉴定功能验证的靶点并生成可临床部署的预测模型,为连接计算发现与转化肿瘤学提供了框架。
甲状腺乳头状癌(PTC)是甲状腺癌中最常见的类型,约占全部甲状腺恶性肿瘤的80%。尽管与其他甲状腺癌相比PTC相对惰性,但其具有淋巴结转移倾向,显著影响患者预后和治疗策略。淋巴结转移是PTC进展的关键因素,常导致复发率升高和总生存期下降。因此,阐明驱动PTC淋巴结转移的潜在机制对于开发更有效的诊断和治疗手段至关重要。单细胞RNA测序(scRNA-seq)和空间转录组学(ST)技术使得在肿瘤微环境(TME)中进行高分辨率解析成为可能,可揭示肿瘤细胞异质性以及癌细胞与周围基质细胞和免疫细胞之间的复杂串扰。既往研究强调了免疫细胞浸润及TME中特定信号通路激活在PTC中的重要性,例如肿瘤相关巨噬细胞(TAMs)的存在及其极化状态已被证明影响肿瘤进展和转移。此外,鉴定具有高转移潜能的特定恶性上皮细胞亚群对于理解淋巴结转移机制至关重要。然而,TAM异质性与PTC淋巴结转移之间的详细分子和细胞机制仍未被充分理解,目前也不存在基于这些机制的临床可用的预测模型。本研究旨在利用scRNA-seq和ST全面表征不同淋巴结状态PTC的TME,重点阐明淋巴结转移阳性(LN+)和阴性(LN?)PTC之间的细胞和分子差异。分析揭示了LN+和LN? PTC的TME中不同的细胞组成和转录程序,上皮细胞、髓系细胞和免疫细胞的比例和状态存在显著差异。值得注意的是,研究人员鉴定了一个特定的恶性上皮细胞亚群(TM4SF1?)和肿瘤相关巨噬细胞(SPP1? TAMs),它们与淋巴结转移密切相关。这些发现为驱动PTC淋巴结转移的细胞和分子机制提供了新见解,并提示了抑制肿瘤进展的潜在治疗靶点。此外,研究人员利用TCGA-THCA和GTEx数据集探索了SPP1? TAMs浸润在PTC患者中的预后意义。分析表明,高SPP1? TAMs浸润水平与淋巴结转移患者较差的总生存期和无进展生存期相关。此外,研究人员开发了一种综合机器学习方法,基于从SPP1? TAMs中鉴定的生物标志物预测PTC的淋巴结状态。该模型在区分有和无淋巴结转移的患者方面表现出良好性能,突显了其在风险分层和治疗决策中的临床应用潜力。总体而言,本研究详细表征了不同淋巴结状态PTC的TME,并鉴定了参与淋巴结转移的关键细胞和分子因素。这些发现对于理解PTC生物学和开发改善患者预后的新型治疗策略具有重要意义。

在结果部分,研究人员首先对3例PTC患者(2例LN?,1例LN+)的组织样本进行了scRNA-seq分析,经过严格质控后保留了19,410个基因和28,709个高质量细胞,鉴定出23个不同的细胞聚类并归类为8种主要细胞类型,包括甲状腺上皮细胞、髓系细胞、NK细胞、T细胞、B细胞、浆细胞、内皮细胞和成纤维细胞。LN?样本中免疫细胞(如NK细胞和T细胞)和成纤维细胞比例相对较高,而LN+样本中上皮细胞和髓系细胞比例较高。Ro/e指数分析显示上皮细胞在LN+样本中分布倾向更高,而髓系细胞在LN?和LN+样本中均表现出显著偏好,其亚群的转录状态变化最为显著。差异表达基因分析发现巨噬细胞相关标志物(如CCL18和MARCO)在组间状态差异显著,提示巨噬细胞可能发挥关键作用。RRA分析显示LN?组以活跃的炎性免疫微环境为特征,而LN+组表现出免疫抑制倾向,干扰素反应通路下调、补体持续激活及显著增殖驱动特征,同时血管生成和上皮-间质转化(EMT)通路协同激活。研究人员提出上皮细胞的异常激活可能驱动肿瘤侵袭表型,而髓系细胞的持续活动可能通过免疫抑制或重塑促转移微环境协同促进淋巴结转移过程。

在“转录程序鉴定与淋巴结转移相关的TM4SF1?恶性细胞”部分,研究人员利用非负矩阵分解(NMF)分析上皮细胞异质性,提取并聚类了8个元程序(MPs),其中MP8在LN+肿瘤中激活水平显著升高,反映与细胞迁移、侵袭和肿瘤干性密切相关的基因特征,核心基因包括KRT19、S100A10、CCND1、PRDX1、CAV1/2和MDK。功能富集分析显示雌激素反应、缺氧、p53通路、DNA损伤修复、胆固醇稳态和凋亡等通路在该元程序中富集。进一步对上皮细胞高分辨率聚类获得14个细胞聚类,结合inferCNV和良性甲状腺滤泡上皮标志物鉴定出6个关键亚群,包括正常甲状腺滤泡细胞(nTFCs)和5种恶性上皮细胞簇:APOE? Malig、IGSF1? Malig、C3? Malig、TM4SF1? Malig和FN1? Malig。TM4SF1? Malig在LN+ PTC中表现出最高的组织选择性,其特异性表达TM4SF1、KRT19、S100A2、S100A10和S100A11,与细胞迁移、黏附和血管生成相关。CancerSEA分析显示C3? Malig和TM4SF1? Malig细胞群具有较高的肿瘤干性,轨迹分析将这两群定位在过渡阶段,且TM4SF1? Malig在肿瘤侵袭和转移通路中显著富集,其转移通路活性显著高于其他细胞群。因此,研究人员推测TM4SF1? Malig是驱动淋巴结转移的高肿瘤干性重要亚群。

在“SPP1? TAMs促进PTC淋巴结转移”部分,研究人员基于髓系细胞在LN+和LN?肿瘤间的显著转录差异,对髓系细胞亚型进行了深入研究,鉴定出mDC、pDC、cDC1、cDC2、中性粒细胞、CD16?单核细胞、CD14?单核细胞、循环髓系细胞、SPP1? TAMs、C1Q? TAMs和APOC1? TAMs等亚群。SPP1? TAMs表现出显著的组织趋向性和在LN+ PTC样本中最大的转录分歧。巨噬细胞极化状态评估显示SPP1? TAMs与PTC中M2巨噬细胞极化相关并参与炎症和缺氧通路。轨迹分析表明SPP1? TAMs在巨噬细胞谱系中占据独特的发育路径,趋向成熟的M2表型终末状态。LN+肿瘤显示显著的M2巨噬细胞偏斜(R=0.67),SPP1? TAMs表现出M2极化的特征性表型,并显著激活缺氧相关通路,提示缺氧微环境可能驱动M2极化并促进SPP1? TAM介导的促转移活性。差异基因分析显示SPP1? TAMs中CCL2、CCL20、VCAN、IL1B、FCN1、CXCL8和SPP1等基因显著上调,而CXCL9、CXCL10、C1QB、C1QC和A2M等基因下调。功能免疫分析揭示SPP1? TAMs参与趋化因子受体(CCR)信号通路并通过趋化因子相互作用调节免疫细胞迁移、活化和效应功能,还参与副炎症过程。通路富集分析表明SPP1? TAMs积极参与TNFα经NF-κB信号、缺氧反应、EMT和KRAS信号通路。总之,SPP1? TAMs表现出由缺氧驱动的强M2极化表型,协同增强肿瘤细胞迁移和淋巴结转移能力。

在“LN+ PTC缺氧生态位中SPP1-CD44串扰增加”部分,研究人员通过配体-受体互作分析和空间关系探索,发现LN+ PTC中SPP1? TAMs与TM4SF1?恶性细胞之间可靠配体-受体对数量多于LN? PTC(42 vs. 34),TM4SF1?恶性细胞与SPP1? TAMs的互作权重高于与SPP1? TAMs的互作(1.1 vs. 0.5)。TM4SF1?恶性细胞向SPP1? TAMs的最活跃信号涉及APP-CD74和FN1-CD44,而SPP1? TAMs向TM4SF1?恶性细胞的信号中SPP1与整合素复合物(如αVβ6、αVβ5、α9β1、αVβ1)和CD44具有高通讯概率。应用RCTD对ST斑点进行细胞组成估计,鉴定出15个空间斑点聚类,其中Cluster 12高度富集TM4SF1?恶性上皮细胞,Cluster 14富集SPP1? TAMs。LN+样本显示相对更高的TM4SF1?恶性相关信号和更聚集的空间模式。LN+ PTC样本表现出更高的肿瘤干性活性,并鉴定出一个具有高干性肿瘤生态位特征的空间区域,以缺氧和NF-κB通路激活为特征,SPP1? TAM富集斑点和TM4SF1?恶性富集斑点在该区域内空间共现。空间距离分析显示LN+样本中两类细胞的空间距离分布重叠度略增(0.650 vs. 0.604),空间共定位和配体-受体分析为SPP1-CD44关联提供了额外计算支持。综上,SPP1? TAMs可能通过与TM4SF1?恶性细胞经SPP1-CD44通路的相互作用促进PTC肿瘤干性和转移。

在“SPP1? TAMs在LN+ PTC中富集并预测较差预后”部分,研究人员整合TCGA-THCA和GTEx数据集分析发现,淋巴结转移患者(pN1)肿瘤组织中SPP1? TAMs浸润显著高于癌旁正常组织(ANTs)和无淋巴结转移患者(pN0),TM4SF1?恶性细胞丰度呈相似趋势,且SPP1? TAMs与TM4SF1?恶性细胞在不同组织状态间显著相关(R=0.86)。在整合多个GEO数据集形成的Meta-PTC队列中亦观察到一致趋势(R=0.81)。生存分析显示,在pN1组中SPP1? TAMs高浸润患者总生存期(P=0.0084)和无进展生存期(P=0.033)显著较差。单因素logistic回归分析表明SPP1? TAMs高表达与不良预后显著相关(OS:OR=4.54,95% CI:1.35–15.25;PFS:OR=2.27,95% CI:1.19–4.35)。免疫组化(IHC)显示SPP1蛋白表达在正常、LN? PTC和LN+ PTC组织中逐步升高(p<0.001)。多重免疫组化(mIHC)揭示CD68?/SPP1?巨噬细胞和TM4SF1?上皮细胞在正常甲状腺、LN? PTC和LN+ PTC中逐步富集,转移性淋巴结中两种细胞亚群显示明显的空间共定位和细胞间相互作用。此外,高SPP1? TAMs浸润与BRAF突变频率增加及DNA损伤、肿瘤干性、缺氧、血管生成、侵袭、迁移和转移相关通路的激活密切相关。

在“靶向SPP1减弱PTC侵袭能力”部分,分子对接分析显示OPN-IN-1与SPP1蛋白活性位点结合,结合亲和力为?9.015 kcal/mol,形成稳定的氢键和疏水相互作用。100 ns分子动力学模拟显示配体和蛋白-配体复合物的RMSD曲线稳定,回旋半径收敛,氢键模式一致,Gibbs自由能景观分析揭示蛋白-配体复合物主要采用稳定的低能构象。伤口愈合实验显示治疗组迁移速率在24 h和48 h均显著降低(p<0.05和p<0.01),Transwell迁移实验证实迁移细胞数显著减少(p<0.01),Matrigel侵袭实验显示侵袭能力显著降低(p<0.05)。体内实验显示治疗组肺部转移结节数显著少于PBS对照(p<0.001),HE染色显示肿瘤负荷减少,Ki67免疫组化显示增殖显著降低,SPP1免疫荧光显示SPP1表达下调,TUNEL实验证实凋亡增加。综上,靶向SPP1在体外和体内均有效抑制PTC细胞迁移、侵袭和转移潜能。

在“综合机器学习方法预测PTC淋巴结状态”部分,研究人员基于SPP1? TAMs衍生特征鉴定可靠生物标志物以用于临床转化。共评估411个输入特征,在TCGA-THCA和Meta-PTC队列中鉴定出373个共同特征,经1000次重采样逻辑回归分析筛选出120个特征作为最终输入。12种机器学习算法中RF、Enet、Stepglm和Lasso识别的模型变量较少,FTL、MGST1、PTGS2、SPOCD1和CST6被全部12种算法一致选择,表明这些基因是多种方法确认的稳健生物标志物。评估111种机器学习模型组合后,前5名模型包括glmBoost+RF、RF、Lasso+RF、RF+GBM和GBM,平均AUC值均大于0.75。glmBoost+RF、RF和Lasso+RF的ROAUC分别为0.925、0.942和0.924,PRAUC分别为0.939、0.957和0.938,决策曲线分析显示在不同阈值下具有一致的净获益优势,校准曲线显示预测概率与观察结果高度一致。综合考虑模型性能和简洁性,研究人员优先选择glmBoost+RF作为候选模型组合,其在TCGA训练集、TCGA测试集和Meta-PTC验证集中的AUC分别为0.998、0.706和0.657。由于队列间批次效应和样本量限制,模型在外部验证集中表现不理想,需进一步在多中心大样本研究中验证。尽管如此,glmBoost-RF模型作为基于SPP1? TAMs预测淋巴结转移的最优策略,展示了其在临床肿瘤学中用于患者风险分层和治疗决策的潜在价值。

讨论部分指出,本研究通过整合单细胞和空间转录组分析阐明了PTC淋巴结转移的复杂细胞和分子基础。研究发现汇聚于一个模型:TME中特定的缺氧生态位促进高干性恶性上皮亚群(TM4SF1? Malig)与独特TAM亚群(SPP1? TAMs)之间的协同相互作用,共同驱动转移进展。TM4SF1?恶性细胞作为关键驱动因素的鉴定将肿瘤细胞内在特性与转移能力直接联系。同时,LN+肿瘤中髓系细胞的深刻转录和空间重编程最终导致具有强M2极化和缺氧反应表型的SPP1? TAMs富集,强调了免疫生态系统重塑在促进转移中的关键作用而非仅仅是被动后果。虽然SPP1?巨噬细胞已在其他恶性肿瘤中有报道,但本研究首次全面表征了其在PTC转移中的作用。本工作的核心新颖性不仅在于编目TAM异质性,更在于整合三个层面的证据——单细胞分辨率表型分析、空间情境化和基于机器学习的转化——以鉴定一个治疗上可操作且预后相关的细胞回路。具体而言,研究人员揭示了一个先前未被认识的TM4SF1?恶性细胞群体作为SPP1? TAMs的功能伙伴,并证明它们在缺氧生态位中经SPP1–CD44轴相互作用驱动转移进展。这一整合发现-预测流程使本工作区别于既往描述性TAM研究。两个关键群体之间的功能串扰,特别是经SPP1-CD44配体-受体轴,为其共富集和协同功能提供了机制解释。该相互作用不仅是相关性,还得到空间共定位证据的支持。SPP1-CD44通路是其他恶性肿瘤中肿瘤干性和转移的成熟轴,本研究数据稳健地将其意义扩展至PTC。该生态位中EMT、缺氧反应和TNFα/NF-κB信号等通路的协同激活创造了一个允许性微环境,支持肿瘤细胞的存活、迁移和免疫逃逸。多队列验证强有力支持了发现的临床转化性:在TCGA和整合Meta-PTC队列中,高SPP1? TAMs和TM4SF1?恶性细胞丰度与淋巴结转移(pN1状态)的一致关联确认了其作为组织水平生物标志物的稳健性。更重要的是,SPP1? TAMs浸润与pN1患者较差总生存期和无进展生存期的显著相关提升了其预后价值。体外和体内实验数据表明药理学抑制SPP1减弱PTC细胞迁移、侵袭和肺转移,为SPP1作为可操作治疗靶点提供了令人信服的临床前证据。研究还展示了整合计算方法的力量,开发了基于SPP1? TAMs衍生特征的机器学习框架预测淋巴结状态,特征重要性分析(SHAP)鉴定FTL、MGST1和PTGS2为模型预测的首要贡献者。研究也承认了几个局限性:scRNA-seq队列仅含3例患者,可能限制所鉴定细胞亚群和转录程序的普适性;所鉴定的有趣恶性细胞亚型(如APOE? Malig和C3? Malig)的功能角色需要更深入的实验研究;尽管已证明SPP1抑制有效,但SPP1-CD44结合在TM4SF1?细胞中触发的精确下游信号级联仍有待未来研究完全阐明。研究结论部分翻译如下:本工作超越了编目PTC中TME异质性,揭示了一个对淋巴结转移至关重要的功能整合细胞回路。研究人员认为TM4SF1?恶性细胞和SPP1? TAM轴代表了转移性PTC的关键脆弱点。这些发现将治疗范式从单独靶向肿瘤细胞转向破坏支持它们的生态位。未来工作应聚焦于在更大队列中验证这些靶点、开发更有效的SPP1-CD44通路抑制剂以及探索同时靶向恶性细胞及其支持性巨噬细胞伙伴的联合策略。此类方法对于改善晚期或转移性PTC患者的预后具有重要前景。

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

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