基于单细胞RNA测序解析肿瘤微环境异质性与免疫治疗响应预测的新型计算框架

《International Journal of Remote Sensing》:Weakly supervised semantic segmentation for scalable and repeatable mapping of palsa landforms in rapidly thawing permafrost peatlands

【字体: 大 中 小 】 时间:2026年09月26日 来源:International Journal of Remote Sensing 2.6

编辑推荐:

  :肿瘤微环境(tumor microenvironment, TME)的复杂异质性显著影响免疫检查点抑制剂(immune checkpoint inhibitors, ICIs)的临床疗效。尽管单细胞RNA测序(single-cell RNA sequenci

  
:肿瘤微环境(tumor microenvironment, TME)的复杂异质性显著影响免疫检查点抑制剂(immune checkpoint inhibitors, ICIs)的临床疗效。尽管单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术能够以前所未有的分辨率解析TME组成,但如何从高维稀疏数据中有效提取可泛化的治疗响应特征仍面临重大挑战。研究人员提出了一种名为scResponse的新型计算框架,该框架整合了无监督流形学习与监督特征选择策略,以识别与ICIs响应相关的细胞状态转换模块。通过跨多个独立癌症队列的验证,该框架不仅稳健复现了已知的耗竭T细胞(exhausted T cells, Tex)亚群特征,还发现了新的髓系细胞极化标志物。研究结果表明,scResponse能够将患者分层为具有显著生存差异的免疫“热”与免疫“冷”肿瘤亚型,且其预测性能优于传统基于bulk RNA测序的评分方法。该研究为精准免疫治疗提供了可解释的转录组学决策支持工具。
论文解读:肿瘤免疫治疗的临床获益长期受制于肿瘤微环境(TME)的复杂异质性。尽管免疫检查点抑制剂(ICIs)已在多种实体瘤中展现出突破性疗效,但客观缓解率仍局限于特定患者亚群。传统基于组织bulk RNA测序的转录组特征,如T细胞炎症评分,虽能在群体水平上关联疗效,却无法解析细胞类型特异性的功能状态变化,更难以捕捉治疗过程中动态演变的细胞间通讯网络。单细胞RNA测序(scRNA-seq)技术的成熟使研究者得以在单细胞分辨率下绘制TME图谱,然而其高维稀疏的数据特性、批次效应干扰以及缺乏标准化的临床响应关联分析流程,严重制约了其向临床决策转化的潜力。因此,开发一种能够从scRNA-seq数据中稳健提取免疫治疗响应特征、并具备跨队列泛化能力的计算框架,成为当前肿瘤免疫学与生物信息学交叉领域的迫切需求。
针对上述瓶颈,研究人员提出并系统验证了一种名为scResponse的新型计算框架。该框架的核心创新在于将无监督流形学习与监督特征选择策略进行有机整合:前者用于在去除批次效应后还原细胞亚群的连续分化轨迹,后者则通过标签感知的判别分析锁定与ICIs临床响应密切相关的细胞状态转换模块。研究团队利用多个公开可得的独立癌症队列(包括非小细胞肺癌与黑色素瘤的scRNA-seq数据集)作为训练与验证来源,并在独立外部队列中检验框架的泛化能力。通过该框架,研究人员不仅稳健复现了已知的耗竭T细胞(Tex)亚群特征,还鉴定出一类此前未被充分表征的髓系细胞极化标志物,提示TME中固有免疫组分对治疗响应的调控作用可能被既往研究低估。
在技术方法层面,该研究主要依赖三项关键策略。其一,采用基于图神经网络的流形对齐算法对多批次scRNA-seq数据进行整合,以消除技术性噪声并保留生物学变异;其二,构建基于注意力机制的编码器-解码器架构,用于学习细胞状态转换的潜在表征,并通过对比学习策略增强响应相关信号的辨识度;其三,利用弹性网络正则化的Cox比例风险模型对筛选出的特征进行生存关联验证,最终形成可量化的患者分层评分。所有分析流程均以公开队列为基准,确保了方法学的可重复性。
研究结果部分按四个小节逐步揭示核心发现。第一小节“scResponse识别跨癌种的保守响应模块”中,通过跨队列一致性分析,研究人员证明该框架提取的细胞状态特征在不同癌种间具有高度保守性,且其富集程度与ICIs治疗后的无进展生存期显著相关。第二小节“髓系细胞极化标志物的新发现”中,通过差异表达与轨迹推断分析,研究人员鉴定出M1样巨噬细胞向M2样状态转换过程中的关键转录因子,并在独立数据集中验证了该标志物组合对响应分层的独立预测价值。第三小节“免疫冷热肿瘤亚型的稳健分层”中,基于scResponse评分将患者分为免疫“热”与免疫“冷”两组,结果显示两组间在总生存期与客观缓解率上均存在统计学显著差异,且该分层效果在外部验证队列中得以保持。第四小节“与传统方法的性能比较”中,通过受试者工作特征曲线下面积与决策曲线分析,研究人员证明scResponse的预测性能显著优于基于bulk RNA测序的T细胞炎症评分及既往发表的多种单细胞衍生特征。
讨论部分指出,该框架的临床转化价值在于其可解释性:所鉴定的细胞状态模块不仅可作为疗效预测的生物标志物,更揭示了潜在的耐药机制——即髓系细胞极化状态对T细胞耗竭进程的协同调控。研究结论部分明确指出,scResponse为精准免疫治疗提供了可解释的转录组学决策支持工具,有望在未来的前瞻性临床试验中进一步验证其指导治疗分层的实际效能。该研究为单细胞数据向临床决策的转化架设了方法论桥梁,但研究人员亦强调,其当前验证仍局限于回顾性队列,前瞻性验证与多中心标准化流程的建立将是后续转化的关键步骤。
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